候少麒，梁 杰，殷康宁，刘学婷，殷光强

（1. 电子科技大学信息与通信工程学院 成都 611731；2. 电子科技大学信息与软件工程学院 成都 610054）

目标检测是现实生活中最广泛的应用之一，其任务在于关注图片中的特定目标。一般来说，通用性目标检测包含两个子任务：一是判定特定目标的类别概率，二是给出该目标的具体位置。目标检测在实际应用中有着非常重要的作用，可以运用于人脸识别、行人重识别、工业检测、车牌号识别、医学影像等具体场景，涉及安防领域、工业领域、军事领域、交通领域、医疗领域和生活领域等。随着机器学习的蓬勃发展，普通场景下目标检测的精度已经很高，但针对复杂环境下目标数量众多、目标尺度多变、目标遮挡严重等问题，仍是国内外科研人员的研究重点[1]。

传统的基于手工特征构建的目标检测算法过程复杂、计算量大，但为目标检测的发展奠定了理论基础。作为传统领域最经典的算法，文献[2]的目标检测器通过多尺度滑动窗口来生成可能存在的具有不同宽高比的目标区域，再利用模板进行目标匹配。另外一个与之相似的传统方法是利用梯度直方图（histogram of oriented gradient, HOG）[3]特征和支持向量机（support vector machine, SVM）[4]来进行目标分类。

随着计算机视觉技术的长足发展，基于深度学习的目标检测开始成为研究热门。在2012 年ImageNet竞赛上取得冠军的AlexNet[5]，是首个在大规模图像识别问题取得突破性进展的深度神经网络，并由此开启了深度神经网络在计算机视觉领域的广泛应用。……