黎国斌，张剑，林向会，谢本亮

（贵州大学 大数据与信息工程学院，贵阳 550025）

0 引言

深度学习技术在计算机视觉领域已经取得较为满意的成绩，例如图像分类、目标检测、车导线检测等。2017 年的ILSVRC 图像分类挑战大赛中，Hu j等人提出SENet 并成功夺取第八届ImageNet 图像分类冠军。

深度卷积神经网络在计算机视觉领域运用之前，传统的目标检测算法主要是基于人工提取特征，例如SIFT、LBP、SURF、HOG，以及Haar等特征描述因子，其中HOG 特征在行人检测中运用最为广泛。特征提取后输入至传统的分类器进行学习，进一步确定是行人还是背景，传统的分类器有boosting 或者SVM。传统的目标检测过程需要人为提取特征，过程繁杂。

卷积神经网络在计算机视觉相关任务成功运用之后，神经网络特征提取能力得到进一步的推广。基于深度学习的检测算法分为一阶段检测算法和二阶段检测算法。二阶段目标检测算法，例如RCNN、Fast R－CNN、Faster R－CNN，先是生成目标候选框，然后将候选框通过分类和回归网络得到相应的目标类别、位置以及预测置信度。一阶段目标检测算法，例如YOLOv1、YOLOv2、YOLOv3等算法、SSD 以及DSSD 算法，取消候选框生成阶段，直接将图像特征输入回归网络得到相应的检测结果，在速度上领先于二阶段检测算法，但在检测精度上稍逊色于两阶段检测算法。

行人检测是一种特殊的目标检测任务，其目标尺度不一，算法需同时处理多尺度特征。RFBNet［1］算法引入Inception［2］模块的多尺度分支，最后将不同尺度的特征进行融合，从而提高不同尺度行人的检测准确率。……