程凯强,张 旭,寇旭鹏

(1.上海工程技术大学机械与汽车工程学院,上海 201620; 2.云南农业大学大数据学院,云南 昆明 650201)

0 引 言

随着深度卷积神经网络[1]和图像计算硬件的发展，计算机视觉在智能交通、智能安防系统中得到了广泛应用。计算机视觉任务中主要包括图像分类[2]、目标检测[3]、语义分割[4]、实例分割[5]等任务。目前单一类别的目标检测如人脸[6]、行人检测[7]技术在日常生活中得到了一定范围的应用,但多类别目标检测依然存在目标漏检、误检的问题，尤其是数据中的小目标，仍具有较大的提升空间。

检测任务和分类任务一样都依赖图像的特征信息的提取，传统的特征提取方法主要有HOG[8]、Haar[9]、LBP[10]等算法，这些传统算法需要人为设定阈值。由于目标的形态多样、光照变化强度不一、背景复杂等因素，重新设计一个鲁棒性较强的传统模型并不容易，并且其提取的图像特征影响后续分类的速度和准确率。随着卷积神经网络的不断发展，通过卷积核学习相关参数来获取图像的抽象特征的优势逐渐凸显出来，出现了很多经典网络模型：AlexNet[11]、VGG[12]、GoogleNet[13]、ResNet[14]、DenseNet[15]等提取图像信息，并应用到相应的工作任务中。

基于深度学习的目标检测任务中主要包含目标分类和位置回归2大任务，研究人员将其分为2大类：双阶段目标检测算法和单阶段目标检测算法，双阶段目标检测算法先使用算法产生目标获选区域，然后对获选区域进行再分类，而单阶段目标检测算法是直接对输出图像应用算法同时得到目标类别和相应的位置信息。……