1. 选题背景与意义 对象检测作为图像处理和计算机视觉领域中的经典课题，在交通监控，图像检索，人机交互等方面有着广泛的应用。

它旨在一个静态图像（或动态视频）中检测出人们感兴趣的目标对象。

传统的对象检测算法中提取和分类决策分开进行，对特征选取的要求就更加严格，在面对复杂场景的时候很难得到理想结果。

自从Geoffrey Hinton教授提出深度学习理论，越来越多研究学者尝试采用深度学习理念来解决对象检测问题，并且提出了许多不同的模型。

相比于传统对象检测算法，卷积神经网络中特征提取和模式分类并行进行，而且随着层数的增多可以更好地处理复杂场景。

目前深度学习已在图像处理，计算机视觉等领域取得了令人惊讶的成绩，更是在工程应用方面表现出极大的潜力。

如今国内外互联网巨头企业纷纷在争取抢占该领域的科技制高点，可见深度学习不仅是目前的研究热点，更是未来的发展方向。

2. 国内外研究现状 2.1对象检测研究现状 目标检测就是”给定一张图像或者视频帧，找出其中所有目标的位置，并给出每个目标的具体类别”。

简单的说：对象检测就是计算机模拟人眼通过图片获得自己感兴趣的对象。

对象检测对于人来说是再简单不过的任务，但是对于计算机来说，它看到的是一些值为0~255的数组，因而很难直接得到图像中有人或者猫这种高层语义概念，也不清楚目标出现在图像中哪个区域。