戴坤，许立波，黄世旸，李鋆铃

浙大宁波理工学院计算机与数据工程学院，宁波 315000

0 引 言

目标检测是近些年来计算机视觉和深度学习的研究热点之一，在工业检测、智能交通和人脸识别等领域有着广泛的应用。比较流行的目标检测算法主要分为两类：一类是两阶段(two-stage)算法，如R-CNN(region convolutional neural network) (Girshick等，2014)、Fast R-CNN (Girshick，2015)、OHEM(online hard example mining)(Shrivastava等，2016)、Faster R-CNN (Ren等，2017)和Mask R-CNN(He等，2020)等，该类方法需要先产生目标候选框，然后再对候选框做分类与回归任务。另一类是单阶段(one-stage)算法，如YOLO(you only look once)(Redmon等，2016)、SSD(single shot multibox detector)(Liu等，2016)等，该类方法使用卷积神经网络(convolutional neural network, CNN)直接预测不同目标的类别与位置。两种方法各有优劣，两阶段算法的准确率一般高于单阶段算法，但单阶段算法的速度优于两阶段算法。目前在实际应用中，速度与性能兼备的单阶段算法得到了更多的青睐。另外，以CornerNet(corner network)(Law和Deng，2020)和CenterNet(center network)(Zhou等，2019)为代表的anchor-free模型力图抛开锚框而基于关键点做出检测与匹配，也达到了相当好的效果，但离基于锚框的检测方法尚有少许差距。

最早的单阶段算法是Redmon等人(2016)提出的基于回归问题求解的YOLO算法，随后原作者又提出YOLO的改进版本YOLOv2(Redmon和Farhadi，2017)，效率和准确率得到进一步提升。Liu等人(2016)结合YOLO的高效和Faster R-CNN候选区域方法，提出了新的单阶段算法SSD，它在不同的特征图中生成预测框并且进行回归，有效地兼顾准确率和效率。Fu等人(2017)提出一种基于SSD模型改进的DSSD(de-convolution single shot detector)算法，通过对原来特征图进行反卷积操作生成新的特征图，充分利用了浅层的特征，并且将骨干网络换成表征能力更强的ResNet(residual neural network)(He等，2016)网络。Jeong等人(2017)提出另一种基于SSD模型改进的RSSD(rainbow single shot detector)算……