张 莉，孙克雷

（安徽理工大学计算机科学与工程学院，安徽淮南 232001）

在对物体和场景的识别中，多尺度目标检测是指准确定位出图像中用户感兴趣的目标（该目标具有尺度不一的特性），并能准确判断出每个目标的类别、边界框的位置和大小[1]。由于目标检测任务中的目标存在较大的尺度变化，所以算法能精确框选出大小不一的目标框的问题亟待解决。区域卷积网络[2]（Region-Convolutional Neural Networks，R-CNN）、金字塔池化网络[3]（Spatial Pyramid Pooling Netwoks，SPPNet）、你只看一次网络[4]（You Look Only Once，YOLO）、单次检测器[5]（Single Shot MultiBox Detector，SSD）和基于区域的快速CNN[8]（Faster Region-Convolutional Neural Networks，Faster R-CNN）等算法相继被提出。2015年，R Girshickj提出Fast R-CNN，利用感兴趣区域（Regions of Interest，RoI）提高目标检测质量，减少目标检测的运行时间[2]。2014年，K He等提出更新金字塔网络层（Spatial Pyramid Pooling，SSP），SSP层之前的卷积层和检测器无法共享卷积特征，从而限制了检测精度的提升[3]。2016年，J Redmon提出的YOLO运行速度可达每秒155帧图像，目标检测平均准确度均值mAP较高[4]，但是YOLO的单元格仅预测两个边界框，且属于同一类别，故对于小目标的检测YOLO的检测精度下降。2016年，W Liu提出单次检测器SSD算法，它以牺牲检测精度为代价来提高检测速度[5]，但在识别被放大的小物体时检测精度明显下降。综上所述，当下流行的目标检测算法在小尺度物体的目标检测场景有较好的检测效果；对于多尺度目标检测，受候选区域推荐和区域分类方法的影响，在检测极大或极小的目标物体时检测效果差强人意。

针对多尺度输入的图像既要检测精度高又要检测速度快，本文提出在Faster R-CNN的基础上对多尺度目标检测算法进行改进。针对目标检测速度慢的问题，提出基于改进的区域生成网络（Region Proposal Network，RPN），用候选区域网络RPNS和RPNB得到带有对象得分的矩形目标推荐；……