张 萌，桑海峰

（沈阳工业大学信息科学与工程学院，沈阳110870）

1 引言

在深度学习发展成为主流之前，传统目标检测算法的实现步骤为：先对检测目标进行区域选择，以SIFT[1]和HOG[2]等算法在区域范围内提取特征，再将提取的特征放入分类器（SVM[3]和Adaboost[4]）中进行分类任务。然而这一传统目标检测算法存在两个问题：一是区域选择没有针对性，致使时间成本较高；二是鲁棒性较低。随着深度学习时代的到来，目标检测算法也得到了巨大的改进，以卷积神经网络为代表的另一种目标检测算法已经出现。该算法又可以分为类：一类是基于Region Proposal（建议区域）的深度学习目标检测算法，以R-CNN[5]为代表，除此还包括Fast-RCNN[6]、Faster-RCNN[7]等，都需要先产生建议区域，然后在这一区域上做分类与回归。另一类则是一个单阶段(one-stage)的基于回归方法的深度学习目标检测算法（YOLO[8]、SSD[9]等），通过运用一个CNN网络就可以直接预测不同目标的类别与位置，提高了训练速度。

行人检测是目标检测技术的主要分支，应用广泛。在具有挑战性的场景下，例如遮挡、模糊、形态变化等，检测性能通常会受到影响。为解决这些问题Hariharan等人[10]将分割用作检测的先验，周春銮等人[11]为应对不同的行人遮挡模式设计了模型。但这些方法并不完全适应于现实使用场合。赵祈杰等人[12]提出的M2Det网络提出了多层次特征金字塔网络来构建更有效的特征金字塔，用于检测不同尺度的对象，取得了较好的检测结果。但是由于M2Det需要使用8个TUM模块，参数量巨大，训练占用内存高，为此，此处在M2Det的基础上加以改进，得到新的行人检测网络MCDET。……