赵立新， 邢润哲， 白银光， 张宏昌， 何春燕

(河北工程大学机械与装备工程学院， 邯郸 056000)

随着计算机技术的高速发展，为了给目标检测领域提供新的方法与途径，计算机视觉成为了人们研究的重点。目标检测是计算机视觉系统的一个重要内容，是依靠计算机对图像进行分析处理的技术。其功能是将不需要的背景信息去除掉，只保留所需要的目标。在这个过程中，能够采取一系列算法对其进行处理，然后把所需要的目标从图像中提取出来，最后对其进行检验。

当前的目标检测主要分为传统方法和基于深度学习的检测方法。传统方法通常是对图像设定大小比例不同的滑动窗口，将图像中的某些部分列为候选区，然后根据人工设定的特征算子如SIFT[1]、Harr[2]和HOG[3]等，提取候选区特征，最后进行特征分类。传统的目标检测方法虽然取得了一些成就，但同时也发现了一些弊端。首先滑动窗口会产生时间复杂度，其次外观与背景的多样、光照的变化会对人工设计的特征方法产生鲁棒性较差的问题[4]，复杂的步骤会产生检测速度慢、精度低的问题[5]。因此，传统的目标检测方法已经不能满足现代社会的需求。对于这种情况，多种深度学习模型就被提出，而深度学习的目的通过建立一个多层网络，应用此网络使计算机能够自主学习并获得数据当中蕴含的内部关系，从而提取出更多的数据，使计算机学习更有表现力。

1 深度学习发展

Hinton等[6]在2006年提出一种多隐藏层的网络结构，能够详细描述一个物体更深层抽象的特征。……