基于单阶段网络模型的目标检测改进算法

王燕妮，刘 祥，刘 江

(1.西安建筑科技大学信息与控制工程学院，陕西 西安 710055；2.西安现代控制技术研究所，陕西 西安 710065)

0 引言

目标检测作为计算机视觉领域中重要的研究方向和研究热点[1]，其任务可以分为“识别”和“定位”两部分。它是进行场景内容理解等高级视觉任务的前提[2]，并广泛应用于红外探测技术、智能视频监控、遥感影像目标检测和医疗诊断等任务中[3-6]。目标检测算法可以分为传统目标检测算法和基于深度学习的目标检测算法。

传统目标检测算法有尺度不变特征变换算法[7](scale invariant feature transform)和传统人脸检测算法等[8](Viola-Jones)，但该类方法时间复杂度高且鲁棒性较差。

基于深度学习的目标检测算法，可分为两阶段目标检测算法和单阶段目标检测算法。前者具有代表性的算法有R-CNN[9]算法、Fast R-CNN[10]算法和Faster R-CNN[11]算法。R-CNN利用选择性搜索算法提取候选区域，通过卷积神经网络提取区域特征，最后通过支持向量机(SVM)[12]进行分类；Fast R-CNN在R-CNN的基础上，加入了感兴趣区域，通过多任务损失函数，实现端到端的训练；Faster R-CNN采用候选区域生成网络(regional proposal networks,RPN)代替了选择性搜索算法，提高了算法的速度和准确率。单阶段目标检测算法通过回归直接在输入图像上输出目标的类别及边框，典型的单阶段目标检测算法有快速目标检测算法(you only look once,YOLO)[13]和单阶段多框目标检测算法(single shot multibox detector,SSD)[14],YOLO采用全图信息进行预测，极大地提高了检测速率；SSD采用多尺度特征图进行检测，在提高检测速度的同时也提高了检测精度。

现阶段目标检测算法中普遍存在检测精度不够高，误检和漏检等问题。……