李 季 ,周轩弘 ,何 勇 ,刘 欣 ,陈泽炜

（1.重庆大学计算机学院，重庆，400000；2.重庆工业职业技术学院电子与物联网工程学院，重庆，400000）

目标检测是一个复杂且重要的任务，对军事、医疗、生活等都有巨大的作用.已有的目标检测技术主要分两类：一是基于手工标注特征的传统方法，如Hear特征和Adaboost算法［1-2］、SVM（Support Vector Machine）算法［3］和DPM（De⁃formable Parts Model）算法［4-5］；二是基于深度学习技术［6-8］的方法.随着深度学习的发展，使用深度学习相关知识帮助目标检测取得了很大进步.在深度学习下，目标检测主要有两个任务：一个是边框的预测，标出每个物体的上下左右的位置；另一个是类别的预测，预测每个像素属于哪个物体.因为步骤不同，目标检测又分二阶段目标检测和单阶段目标检测.二阶段目标检测主要有RCNN（Region Convolutional Neural Net⁃works）［9-11］系列，即先产生物体候选区域（Region Proposals），然后再对其进行修正.单阶段的目标检测主要是YOLO［12-14］和SSD（Single Shot Multi Box Detector）［15-20］系列，即通过网络直接预测边框的位置.总体来说，二阶段的目标检测的精度比单阶段的目标检测的精度更高，而单阶段目标检测可以在保证一定精度的前提下达到更快的检测速度.

以上两种方法都存在一个尺度变换问题：基于较大的下采样因子而产生较高的感受野来获得更多的语义信息，这有利于大物体识别；但下采样必定带来空间分辨率的损害，下采样越大，分辨率越小，小物体的识别也就更困难.

为解决下采样带来的尺度变换问题，常用的方法是多尺度特征融合.FPN（Feature Pyramid Networks）［21］基于自顶向下的思想，用低层的特征……