谢 兄，杨金鹏

大连海事大学 信息科学技术学院，辽宁 大连116026

目标检测是找出特定场景图像中所有感兴趣的目标并确定目标的特征信息，包括目标的位置、目标置信度评分以及目标所属的类别。

基于滑动窗的目标检测算法是计算机视觉研究的经典检测方法[1-2]。随着卷积神经网络（Convolutional Neural Networks，CNN）的广泛应用，两阶段（two-stage）目标检测算法成为计算机视觉研究的主要方法之一。Girshick 等人提出一种两阶段目标检测的R-CNN 算法[3]，R-CNN 算法的不足之处是算法包含重复计算，容易丢失图像信息等。为解决R-CNN算法的不足，He等人提出SPP-Net[4]算法，Girshick 等人提出Fast R-CNN[5]算法，虽然这些算法应用金字塔池化思想，但由于采用Selective Search方法提取候选框，因而算法复杂、耗时。Ren等人提出的Faster R-CNN[6]算法、He等人提出的Mask R-CNN[7]算法应用RPN（Region Proposal Network）而不是Selective Search方法提取候选框，几乎将候选框的计算成本降为0。

虽然两阶段目标检测算法检测精度较高，但检测速度通常不能满足实时性的要求。因此单阶段（one-stage）目标检测算法又重新引起人们的重视。单阶段目标检测算法兼顾目标检测的精度和实时性的要求。其中YOLO算法[8-10]和SSD算法[11-13]跳过RPN过程，直接应用CNN 对图像进行回归，预测目标类别和边界框信息。相比于两阶段目标检测算法，单阶段目标检测算法检测精度相对较低，为提高单阶段目标检测算法的检测精度，Lin等人提出RetinaNet算法，通过引入Focal Loss解决前景、背景不平衡问题[14]。徐诚极等人提出一种改进的引入注意力机制的YOLO检测算法（Attention-YOLO）。Attention-YOLO借鉴项的注意力机制，同时添加二阶项以减少融合过程中的信息损失[15]。……