石先让，苏 洋，提 艳，宋廷伦，2，戴振泳

（1.南京航空航天大学 能源与动力学院，南京 210001；2.奇瑞前瞻与预研技术中心，安徽 芜湖 241006）

0 概述

基于深度卷积神经网络的物体检测方法已经在各种数据集［1-3］上取得了较好的成果，其中很多方法都有一个共同的、重要的组成结构——锚框（Anchor），锚框是各种大小的预选框。当单阶段（One-stage）方法［4-6］使用锚框后，可以实现与两阶段（Two-stage）目标检测方法［7-8］极具竞争力的结果，同时检测速度更快。One-stage 方法将锚框密集地放置在图像上，根据对锚框评分并通过回归方法修正坐标来生成最终的预测框。需要锚框的方法称之为Anchor-based 方法。One-stage 目标检测算法将可能的边界框（称为锚框）复杂地排列在图像上，并采用滑动窗口的方法直接对其进行分类，而无需指定框的内容。Two-stage 目标检测算法是为每个潜在的框重新计算图像特征，然后对这些特征进行分类。当检测方法对潜在的锚框进行检测和分类后，一般都需要进行非最大值抑制（NMS）［9］后处理才能得到最终的检测目标的各种属性。

虽然在近年来该方法取得了一定的成功，但是锚框还存在缺点。首先，在目前锚框的目标检测算法中，通常使用基于滑动窗口的方法，这就需要大量的锚框，如DSSD 算法［10］中超过4 万，而在RetinaNet算法［11］中超过10 万。当采用锚框时，只有小部分的锚框满足于标注的真实值重叠程度，这会造成正锚框与负锚框的失衡，往往都是负锚框的数量远多于正锚框，同时还会增加训练时间。其次，锚框的使用会引入很多超参数，以及增加如何选择这些超参数的难点，这些超参数的选择很大程度上是通过经验和启发式方法［5-8］得到的，当与多尺度目标检测结合使用时会变得更加复杂。……