龚晓蓉 白 玉

（1.山西省测绘地理信息院，山西 太原 030001；2.河南省测绘地理信息技术中心，河南 郑州 450003）

0.引言

伴随着现代计算机科学技术的发展，云计算、大数据潮流的到来，对各类影像（卫星影像、航摄影像、照片等）的自动化处理需求也日趋旺盛，识别影像中各类目标成为AI算法、图像处理、神经网络等领域中较为热点的问题。

针对自动化、无人工干预的目标检测问题，传统的主流方法不需要预先训练，直接对每一帧视频图像处理得到运动目标的前景轮廓，类似于一种前景提取的方法，只能得到运动目标大致的区域轮廓，不能获取目标的属性信息。这类方法虽然实现起来较为简单，但容易出现漏检现象，且检测结果的好坏易受环境变化的影响。随着技术的不断进步，涌现了许多优质的目标检测方法，利用卷积神经网络可以自主地对目标进行学习，不需要过多的人工干预。

目前效果最好、应用最广泛的目标检测方法可分为两类：第一类是基于区域建议的方法，如，R-CNN等，这类方法在目标检测的精度指标上有着优越的表现，但检测速度相对较慢；另一类是基于回归学习的方法，如，SSD、YOLO、YOLO v2和YOLO v3等，这是一种端到端的学习方式，有高效的检测速度，具备较好的实时性。

本文以较易获取的城市交通场景车辆数据照片为例，总结了基于区域建议和基于回归学习的检测方法的优势及使用情况，并引入不同的目标检测算法模型，通过相关实验对比各自的优缺点。……