储 珺，林文杰，徐 鹏

（1. 南昌航空大学 软件学院，南昌 330063；2. 南昌航空大学 信息工程学院，南昌 330063；3. 九江市0901工程管理处，江西 九江 332000）

引 言

目标检测是计算机视觉的基本任务之一，旨在给定的任意图像上对含有语义信息的目标实例进行分类和定位。其在自动驾驶、人脸识别、行人检测、医疗检测等方面有着重要的应用。同时，目标检测也可以作为图像分割、图像描述、目标跟踪、动作识别等更复杂的计算机视觉任务的研究基础[1]。

传统目标检测算法首先通过目标无关的滑动窗口等方法生成大量冗余的目标候选框，采用手工设计的特征提取器提取候选框特征，然后再将这些特征送入到SVM[2]、AdaBoost[3]分类器中判断目标是否存在，最后对目标进行回归。这类算法产生大量冗余计算，而且手工设计的特征提取器的特征表达能力有限，分类结果鲁棒性较差，检测性能往往不够理想。

随着计算机硬件的计算能力的飞速提升以及大规模数据处理技术的广泛应用，深度神经以其强大的特征提取能力被广泛应用到模式识别的各个领域。相较于传统目标检测算法，深度目标检测器无论是精度还是泛化能力都更具优势，摒弃了复杂的目标候选框后其推理速度更是超越前者。特别是Faster R-CNN[4]网络的诞生，将传统目标检测算法的分段操作统一到深度网络框架之下，真正实现了目标检测任务的端到端训练以及一步推理，奠定了现代目标检测器的基础。

深度目标检测已经成为目标检测的一个主流研究方向，按照是否生成区域候选，深度目标检测器可以划分为二阶段目标检测器[4-10]和一阶段目标检测器[11-20]。……