黄剑航，王振友

（广东工业大学 应用数学学院，广东 广州 510520）

随着深度学习的发展，图像所传递的信息比其他形式的信息更加丰富、形象、具体。21世纪信息技术时代，计算机网络、多媒体、人工智能等技术都离不开图像。目标检测(object detection)是计算机视觉和数字图像处理的一个热门方向，广泛应用于人工智能控制、视频监控、航空航天等领域，通过人工智能控制能有效减少人力资本的消耗，这种技术在现实生活中具有重要的意义。并且目标检测算法是计算机视觉任务当中的基础性算法，在语义分割(semantic segmentation)、实例分割(instance segmentation)、目标跟踪(object tracking)等高级视觉任务中发挥着至关重要的作用，因此目标检测成为了近年来视觉领域理论和应用重点关注的研究热点。

传统的目标检测方法一般分为3个阶段：首先在给定的图像上经过选择性搜索方法(selective search)选择一些候选区域，然后对这些候选区域经过卷积神经网络CNN (Convolutional Neural Networks)进行提取特征，最后使用已经训练好的分类器对提取的特征进行分类。但传统的目标检测方法主要依靠人工的先验知识来设计特征提取器，缺乏一定的客观存在性，所以在复杂的场景下传统的目标检测算法很难取得比较好的检测效果。随着深度学习的迅速发展，基于深度学习的目标检测算法陆续被众多学者提出，其中典型的方法是依靠CNN来提取特征[1-7]，这些经过CNN提取的特征信息相比传统的方法在计算机视觉下语义性更强，因此模型通过网络的学习后拥有更强的泛化能力。……