周可鑫，左云波，谷玉海，朱腾腾，卞景艺

（北京信息科技大学 现代测控技术教育部重点实验室，北京 100192）

随着经济水平和互联网技术的不断发展，人们的消费观念也随之在发生变化。从传统的线下消费到线上的网店消费，再到现在逐渐起步的线下新零售方式，人们不仅重视线上消费的便利，还重视线下消费的体验［1］。因此，对于传统线下消费场所来说，从商品的供应到商品流通的各个环节都急需升级改造，来满足顾客们的消费体验。其中，商品结算环节是线下消费过程中最重要的一环，传统的结算方式还是以人工为主，由收银员一步一步完成商品的清点和结算工作，效率非常低，尤其在节假日，顾客会花费大量时间用于排队结算，这大大影响了顾客的消费体验。因此，提出一种能满足自动清点，实时结算，方便部署且具有很高的应用价值以及学术价值［2］的零售商品检测方法尤为重要。基于图像识别检测的无人结算是无人结算中的一种重要技术方法。

图像的目标检测是计算机视觉领域的一个重要分支，其目的是检测出图片上的所有目标的类别信息以及位置信息［3］。2012年ImageNet大赛之后，深度神经网络得到了飞速发展，其中最具代表的就是卷积神经网络的快速发展，已经广泛应用到了目标检测领域中。目前，基于深度学习的目标检测方法主要有两大类，一类是基于提取候选框的两阶段检测算法，代表有：R-CNN［4］、Fast R-CNN［5］、Faster R-CNN［6］等。此类算法在工作时首先会生成一系列的候选框，之后根据候选框完成相应的分类识别工作。……