何婧媛，谢生龙，田 原，田琴琴

（延安大学数学与计算机科学学院，陕西延安 716000）

计算机视觉是人工智能的一个领域，它训练计算机以类似于人类的方式解释视觉世界.由于技术的快速发展和足够大的训练数据集可用性的增加，计算机视觉领域的主题急剧增长，其中最有前途的领域之一是目标检测.随着目标检测技术的发展，精度和准确性不再是唯一的衡量标准，检测速度也是至关重要的.目标检测在机器人导航、智能视频监控、智能交通、医疗服务、人脸检测等领域应用非常广泛［1-3］.目前大多数目标检测是基于卷积神经网络的，而如何设计更好的网络结构是当前目标检测的一个非常关键的问题.

1 目标检测算法

1.1 目标检测

目标检测可以看作是由目标定位和目标分类组成的多任务学习问题.目标检测算法分为实例检测和类别检测，在检测过程中最重要的是特征，而人工设计的特征由于可分性差出现较高的分类错误率，低层特征表达能力弱，难以实现多目标检测.传统的目标检测方法大多数都是分为区域选择、提取特征和分类回归这三个步骤，然而这样的过程存在两个问题，一个是区域选择的策略效果差、时间复杂度高，还有一个是手工提取的特征鲁棒性较差.基于深度学习的目标检测算法分为两阶段方法和一阶段方法，两阶段方法主要是指R-CNN系列、SPP-Net、R-FCN和FPN等，该方法通过Selective Search或CNN产生候选框，然后对候选框进行分类和回归，其检测准确率高［2］；……