殷小芳 辛月兰 兰 天

（青海师范大学物理与电子信息工程学院 西宁 810000）

1 引言

目标检测是计算机视觉和模式识别中的一个基本而重要的问题，吸引了众多学者的关注和研究并在人脸识别［1］、航空影像［2］、行为理解［3］、目标跟踪［4］、人机交互［5］、自动驾驶［6～7］等诸多领域取得很好的成绩。目标检测的目的是从图像中找到目标对象并且定位，基于手工特征的传统目标检测算法和基于深度学习的目标检测算法是目前主要的两种算法。其中，局部二值化（Local Binarization，LB）、尺度不变特征变换（Scale Invariant Feature Transformation，SIFT）、方向梯度直方图［8］（Histogram of Oriented Gradient，HOG）等在传统目标检测算法中有着优秀的表现，它是人们根据先验知识与经验所设计的手工特征。随着图像领域中各类应用任务越来越复杂以及各类任务所需要的数据量越来越大，传统方法提取的特征存在局限性，在特征提取模板缺乏针对性，难以避免产生大量的冗余特征窗口，使得产生候选区域的方法需要大量的计算，检测的速度和精度不能达到实际要求。深度学习网络模型能够通过自主学习出许多容易被人忽视的高级特征，避免人为主观性等原因的影响。因此，采用基于深度学习的目标检测算法，能够克服传统的目标检测算法存在的问题，提高检测的准确性和效率。

现阶段目标检测中的深度学习算法主要分为基于区域建议框的双阶段检测算法和基于回归运算的单阶段检测算法［9］。前者主要的典型算法有R-CNN［10］、SPP-net［11］、Fast R-CNN［12］、Faster R-CNN［13］和Mask R-CNN［14］算法等，这些方法都是使用区域推荐产生候选目标，随后使用卷积神经网络进行处理。……