王凤随，陈金刚，王启胜，刘芙蓉

（1.安徽工程大学 电气工程学院，安徽 芜湖 241000;2.检测技术与节能装置安徽省重点实验室，安徽 芜湖 241000;3.高端装备先进感知与智能控制教育部重点实验室，安徽 芜湖 241000）

目标检测作为计算机视觉的一个分支，随着深度学习模型与检测任务的结合以及GPU 计算能力的提升，它在学术和工业界得到广泛的研究和应用，如人脸识别、行人检测、自动驾驶等领域。

目标检测领域，尺度的变化问题一直是个挑战，它直接影响着检测精度。在检测任务中，数据集中目标的尺度范围变化较大。小尺度目标经过卷积神经网络后，由于感受野的增大造成特征的丢失。因此，神经网络需对不同尺度的目标都可以很好地提取特征。Faster-RCNN[1-2]作为两阶段目标检测算法的大成之作，它提出的使用区域建议网络代替选择性搜索(selective-search)提取候选框，多尺度锚框的使用减少了选取候选框的时间，取得更高的精度和更短的训练时间。但Faster-RCNN (faster region convolutional neural network) 只利用神经网络的最后一层特征进行预测，缺乏处理多尺度目标的能力。针对多尺度目标需要多尺度特征预测的问题，SNIP[3-4](scale normalization for image pyramids)使用图像金字塔将原始图直接进行不同尺度的缩放变化，利用不同分辨率的图片来检测不同尺度的物体，在尺度变化的问题上取得不错的成效。这种尺度变化的方式虽然有效，但也大大增加了检测的时间复杂度。另一种尺度变化的思想是利用特征金字塔(feature pyramid)来近似图像金字塔，FPN[5](feature pyramid network)利用对高层语义信息上采样，以自上而下的方式增强低层特征，FPN 在YOLOv3[6]中具有很好的多尺度表现。……