基于K-Means 算法的SSD-Mobilenet 模型优化研究*

刘津龙，贾郭军

(山西师范大学 数学与计算机科学学院, 山西 临汾041000)

0 引言

目标检测是将目标从图像中提取出来的计算机视觉技术，是计算机视觉领域的重要组成部分，是一切计算机视觉任务的基础，具有较高的研究价值。运动目标检测是从不断变化的序列图像中进行目标的识别和定位，分为静态背景下的目标检测和动态背景下的目标检测。 目前，解决目标检测问题的思路主要有如下两种：一是依赖于目标的先验知识，提前为运动目标建模，然后在图像序列中实时找到匹配的目标；二是不依赖于先验知识，直接从图像序列中检测到运动目标，并进行类别判定。

传统的目标检测一般使用滑动窗口的检测机制，主要包括以下三个步骤：第一步利用不同尺寸的滑动窗口[1]在滑动途中覆盖的某一部分作为候选区域；第二步提取候选区域相关的视觉特征形成特征向量，例如人脸检测常用的Harr 特征[2]，行人检测和普通目标检测常用HOG 特征[3]；第三步利用提取到的特征对目标进行识别和定位。 该类目标检测算法的窗口区域选择策略没有针对性，时间复杂度高，窗口冗余相对较多。 手工设计的特征对目标可能出现的多样性变化没有较强的鲁棒性，比如形态变化和光照影响等。

随着深度学习的发展，当前的目标检测算法均使用了卷积神经网络进行端到端的检测。 该类模型通常会预先设置一组固定大小和宽高比的锚点框，如R-CNN[4]系列模型。……