赵泊林，张晓龙

(1.武汉科技大学计算机科学与技术学院，湖北 武汉 430065；2.武汉科技大学大数据科学与研究院，湖北 武汉 430065)

0 引言

目标检测是计算机数字图像处理和计算机视觉领域最热门的研究方向之一.其目的是在输入的图片或者视频中定位出所有出现的目标，并确定每个目标所属的类别.在智能化交通系统、智能监控系统、军事目标检测等方面具有广泛的应用价值.

传统的目标检测方法基于滑动窗口的区域选择策略[1]，使用大小不同的窗口，在图像中以一定步长进行滑动，选择窗口中的区域作为感兴趣区域，然后对感兴趣区域使用针对目标特别设计的提取器提取图像中相关区域的特征，最后使用专门为目标类别预训练过的分类器对感兴趣区域进行分类和检测.但该方法没有针对性，时间复杂度高，窗口冗余，且人工设计的特征对于多样性的变化没有较强的鲁棒性.

基于此类方法，A.Krizhevsky等[2]提出了感兴趣区域region proposal策略，常用的region proposal策略有选择性搜索[3]和边界框回归[4].其原理是利用图像中的边缘、纹理以及颜色等特征信息预先找出目标在图中可能会出现的位置，再对所提取到的区域进行分类.使用该策略能降低算法的时间复杂度，同时在选取较少窗口的情况下仍能获得较高的召回率.但是由于这些策略依赖于大量的感兴趣区域，所以在计算上需要花费巨大的代价.为解决这个问题，R.Girshick等[5]将region proposal策略与卷积神经网络相结合，提出了……