苏山杰 陈俊豪 张之云

（重庆交通大学机电与车辆工程学院，重庆 400074）

主题词：深度学习 车辆目标检测 卷积神经网络 轻量化网络

CNN Convolutional Neural Network

GPU Graphic Processing Unit

CPU Central Processing Unit

LRN Local Response Nor

VGG Visual Geometry Group

BN Batch Normalization

SVM Support Vector Machine

SPP Spatial Pyramid Pooling

ROI Region of Interest

RPN Region Proposal Networks

R-FCN RPN-Fully Convolutional Networks

IOU Intersection over Union

SSD Single Shot MultiBox Detector

FPN Feature Pyramid Network

PAN Path Aggregation Network

SVD Singular Value Decomposition

ReLU Rectified Linear Unit

1 引言

目标检测是计算机视觉技术、深度学习和图像识别领域下的基础研究方向，它是更为复杂的高层计算机视觉任务的技术前提，如在检测任务后对图像中物体行为进行预测；在物体识别后进行目标跟踪等等。其中，车辆目标检测任务作为计算机视觉和深度学习领域下的研究重点和热门任务，它的目的是在图像中定位出感兴趣的目标，然后根据特征信息正确定义出定位目标的类别，再利用检测的边框圈出定位目标，从而完成检测任务。在智能驾驶、行人检测和建立智能化的交通系统中有着重要的研究意义与价值，也是未来建立智慧城市的前提任务。近年来，以物联网技术、计算机视觉技术为代表的核心技术得到了蓬勃发展，基于深度学习的车辆目标检测算法得到了许多研究学者的青睐。

本文针对车辆目标检测任务，首先对深度学习车辆目标检测进一步探讨，提出检测任务的重点、难点及发展现状，以时间线对卷积神经网络下车辆目标检测算法进行概括，并对目前2 种主流的基于候选框和基于回归的车辆目标检测算法进行总结，最后对目前目标检测算法的发展前景进行展望。

2 车辆目标检测研究背景

2.1 车辆目标检测任务重点

基于深度学习的车辆目标检测算法任务是从一系列的图像或者视频中找出感兴趣的物体，同时根据特征信息确定车辆的大小和位置。……