何国忠

（云南大学软件学院 云南昆明 650504）

一、前言

计算机视觉的一个重要任务是目标检测。目标检测主要是对输入图像中的物体类别和位置进行判断，实质上是图像分类和目标定位的结合，是复杂或高级视觉任务的基础，如图像分割、目标跟踪、事件检测和活动识别[1]。广泛应用于人脸识别、无人驾驶等领域。目标检测算法主要分为传统检测算法和基于深度学习的检测算法。现如今，机器学习技术的发展渐渐成为主流，人们广泛关注于基于深度学习的目标检测算法，出现了很多结构简单、运行速度快、检测精度高的网络模型，使得这些算法能得到大规模应用[2]。

二、传统目标检测技术

在深度学习算法发展起来之前，传统目标检测技术处理流程通常划分为三个阶段：首先是进行图像中目标物体的候选区域选择，接着使用Haar[3]、HOG[4]等特征提取算法提取得到图像目标特征，最后是运用支持向量机等常用分类器对候选区域提取到的特征进行目标类别的划分，传统目标检测技术处理流程如图1所示。

图1 传统目标检测算法处理流程

三、深度学习目标检测算法

近年来，随着机器学习技术的大力发展，基于神经网络的深度学习检测方法得到了广泛应用，运用深度学习技术的目标检测算法通常根据对检测速度和精度的需求不同被划分为两类：一类是以R-CNN为代表的双阶段（two stage）目标检测算法；另一类是以YOLO、SSD为代表的单阶段（one stage）目标检测算法。

（一）R-CNN

Girshick团队提出第一个基于深度学习的目标检测算法R-CNN，通过验证，在VOC07数据集上，mAP达到了66%的水平。……