张涛

（四川大学计算机学院，成都610065）

0 引言

目标检测是目前计算机视觉领域一个极为重要的分支，在实际的生产中应用极为广泛。目标检测的主要目的是将输入的图像中的物体检测出来，得到该物体的具体类别、位置坐标信息以及其相应的置信度。随着2012年AlexNet[1]在ImageNet图像识别比赛中的碾压式胜出，通过构建以CNN网络的形式深度学习模式开始大放异彩。随着深度学习的高速发展，目标检测也搭上了深度学习的快车。从此，目标检测进入了新的时代。

首先，RBG的Faster R-CNN[2]开启了目标检测的新时代，目标检测进入了two-stage时代。此后，各种目标检测框架如雨后春笋般出现，如YOLO[3]、SSD[4]、RetinaNet[5]，等等，为目标检测领域注入了鲜活的血液。目前，目标检测框架基本上都呈现出端到端的训练方式，即只需要在神经网络的输入端喂入数据，便可以直接在输出端得到想要的结果。这使得以神经网络作为托底的目标检测变得十分的简单易用，我们只需要制作好自己的数据集，便完全可以将整个神经网络当做一个黑盒来进行处理。

在家兔解剖实验过程中，我们需要针对解剖过程的每一步，都做相应实验的正确性判断。这就需要我们首先将家兔和一些操作器具检测出来，再进行相应的逻辑判断。由于深度学习在目标检测的应用中已经十分成熟，我们将采用深度学习的方式进行检测。

与此同时，由于目标试验台的机器性能较弱，缺少GPU的支持，只能依靠CPU进行模型的推理。所以，这就要求我们找到一个模型复杂度低，但识别精确度不降的目标检测框架，正是基于以上的诸多考量，最终采取了以MobileNet[6]为骨干网络的SSD作为目标检测框架。……