郑钦浩,杨 贞,杨 振

(1.江西科技师范大学通信与电子学院,江西 南昌 330000; 2.麦格纳汽车系统(苏州)有限公司,江苏 苏州 215026)

0 引 言

近年来随着人工智能技术的迅速发展，自动驾驶技术[1]将广泛应用于真实交通场景，车辆和行人检测作为自动驾驶技术的重要组成部分，也将成为计算机视觉领域的热门研究方向。迄今，目标检测方法的发展一般划分为2个阶段：1)传统机器学习方法阶段；2)深度学习方法阶段[2-3]。传统机器学习方法首先需对图像进行预处理；然后通过窗口滑动技术确定候选区域；接着对候选区域进行特征提取，如：尺度不变特征变换特征[4](Scale Invariant Feature Transform，SIFT)、方向梯度直方图特征[5](Histogram of Oriented Gradient，HOG)、哈尔特征[6](Harr)、加速鲁棒特征[7](Speeded Up Robust Feature，SURF)等；最后利用分类器判定目标的类别信息以实现目标检测功能。然而，上述传统机器学习方法存在2个显著的缺陷：1)特征均是基于手工设计的，泛化能力较差，难以适应不同场景的检测任务；2)滑动窗口方法会生成过多冗余的候选窗口，加之特征提取的过程过于复杂，将导致检测速度慢，难以在实际应用中落地。因而，早期的目标检测技术发展进程缓慢，精度提升有限。

2012年，Krizhevsky等人[8]首次将卷积神经网络(Convolutional Neural Networks，CNN)应用于ILSVRC[9](ImageNet Large Scale Visual Recognition Challenge)中，所训练的深度卷积网络模型AlexNet在图像分类和目标检测任务中的准确率均位于第一名。基于此，目标检测技术得到快速的发展，并涌现出大量优秀方法。总体上，目前基于深度卷积网络的目标检测方法可以分为2个分支：基于Two-Stage的检测方法和基于Single-Stage的检测方法。……