付苗苗，邓淼磊，2，张德贤，2

1.河南工业大学 信息科学与工程学院，郑州 450001

2.河南省粮食信息处理国际联合实验室，郑州 450001

作为计算机视觉领域的研究热点，目标检测在遥感、自动驾驶等领域有着重要的应用。过去二十年目标检测是以传统机器学习和深度学习为主，传统算法存在精度低、速度慢、计算复杂等缺点，因此在2012年AlexNet[1]出现之后，目标检测算法开启了卷积神经网络CNN（convolutional neural network）为主的深度学习时代。基于深度学习的检测算法是根据滑动窗口和锚点（anchor）穷举出目标对象可能出现的所有边框（也称为锚框），然后进行分类和回归，锚框也被认为是检测模型获取高精度的重要组件之一，但是模型的性能和泛化能力也受到锚框设计的限制：（1）检测结果对于锚框个数、尺度、纵横比等超参十分敏感，模型需要对这些参数仔细微调；（2）基于锚的检测都是密集检测，锚框产生的计算繁琐复杂，增加时空成本；（3）锚框的尺度和长宽比都是预先定义的，不适用于形状变化较大的对象，尤其是小目标，模型的泛化能力低；（4）多数锚框都是背景类的负样本，因此算法容易存在正负样本不平衡问题。为了解决锚框带来的限制，近几年以FCOS、CornerNet为代表的无锚点碰撞检测成为了检测领域的研究热点，这类方法与基于锚点的检测算法相比，缩减超参数数量的同时提升了检测精度。

在无锚检测技术发展的同时，Transformer[2]也开始在CV（computer vision）领域大放异彩。早期Transformer在CV领域主要被用于序列信息挖掘（如视频任……