肖振久，孔祥旭，宗佳旭，杨玥莹

辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105

现代目标检测算法是基于卷积神经网络（Convolutional Neural Networks，CNN）开发的，主要分为两类：两阶段目标检测算法[1]和单阶段目标检测算法[2]。两阶段目标检测算法中，在第一阶段预先生成目标候选框提高了检测精度，例如在目前具有挑战性的PASCAL VOC[3]和COCO基准[4]上，但是降低了目标检测的速度。相比之下，单阶段目标检测算法跳过了生成目标候选框的步骤，为了实现在图像全局检索目标，单阶段目标检测算法在每个空间位置都使用了一组密集的固定采样网格，例如多个“锚框”[5]，单阶段目标检测算法提高了检测速度，但是检测精度较差。类别不平衡被认为是这种检测精度差距的来源。两阶段方法通过根据第一阶段的候选框生成来过滤大部分的负样本避免了正负样本不平衡问题（例如RPN[5]、Selective Search[6]、Edge Boxes[7]和DeepMask[8]）。并在第二阶段，使用正负样本固定比率[9]或在线困难样本挖掘（Online Hard Example Mining，OHEM）[10]等方法，最终平衡训练数据。尽管两阶段目标检测算法取得了成功，但受到检测速度的制约，不能在实际生活中得到广泛应用。

对于单阶段目标检测算法来说，因为其检测速度更快，具有更大的实用性，实现高精度检测成为当前最需要解决的问题，问题所面临的难点在于：在单阶段目标检测算法中，卷积神经网络训练大量的采样区域时，会导致正样本数量较少而负样本数量较多，同时数据集中背景部分占了整个图像的大部分，其中大多数很容易分类。……