赵 俊，鹿晓威，赵 骥，吴晓翎

（1.中钢科技发展有限公司 运营管理部，北京100080；2.辽宁科技大学 计算机科学与工程学院，辽宁 鞍山114051）

目标检测就是从背景信息中检测、提取、分割出目标，对输入图像中的目标进行快速准确表达和精确定位，为目标信息的读取与理解奠定基础，为目标识别提供有力的数据资源支持［1］。在传统的目标检测方法中，通常采用Histogram of Oriented Gradient（HOG）特征［2］或是Haar特征［3］、Scaleinvariant feature transform（SIFT）特征［4］进行特征提取。这些方法在检测时采用比例不一的滑动窗口对整个图像加以遍历，再使用Support Vector Machine（SVM）分类器［2］、AdaBoost分类器［5］对每一个窗口内的目标分类，这种穷举的方式将会耗费大量的时间。多尺度形变部件模型Deformable Part Model（DPM）［6］在保留HOG+SVM优点的基础上进行扩展，在人脸检测、行人检测上取得一些成就，但是DPM相对复杂，检测效率低，很快被基于深度学习的目标检测方法取代［7-8］。2014年，Facebook人工智能实验室FAIR的Girshick Ross，首次将深度学习引入目标检测算法中，提出区域卷积神经网络（Regions with CNN features，RCNN）［9］。RCNN虽然可以较好地完成目标检测任务，但是缺点也是很明显的。第一，RCNN的训练是分多个阶段进行的：首先需要训练一个用于提取图像特征的CNN，然后训练若干用于物体检测的SVM，最后进行边框回归；其二，RCNN开销非常大，对于每一个推荐区域都要提取一次特征，而推荐区域间有大量的重叠，致使检测的时间漫长。鉴于此，Girshick于2015年提出了改进的目标检测方法Fast RCNN［10］，Fast RCNN不再是对每个推荐区域（Region of interest，RoI）逐一提取特征，只需要对整张图片进行一次特征提取，同时不需要对SVM分类器以及边框回归进行单独训练，训练效率有所提高。……