基于全卷积网络的目标检测算法

来源：计算机技术与发展杂志2018年第05期北京时间：

作者：施泽浩;赵启军

摘要：目标检测是计算机视觉的一项重要任务，其主要内容是定位图像中出现的目标，并对其进行分类。主流算法普遍基于卷积加全连接的结构，存在模型参数巨大、检测效率低下等问题。而在现实应用中，比如自动驾驶车载系统、智能监控系统中对行人、车辆等目标的检测，往往对目标检测算法的实时性具有较高要求。为此，提出一种基于全卷积神经网络的目标检测算法。网络结构完全采用卷积层实现，不仅用卷积进行特征提取，而且用卷积层进行预测，采用多任务学习，大大提高了检测效率并降低了模型复杂度。相比主流深度学习目标检测算法，如 YOLO、Faster RCNN，该算法速度更快，模型参数更少，且保持相当的精度，在 PASCAL VOC2007 权威目标检测库上的平均准确率(mAP)达到 64．5。

关键词：目标检测;深度学习;全卷积神经网络;回归;计算机视觉