随着深度学习技术和计算机硬件的不断发展,基于深度卷积神经网络的目标检测技术相较于传统机器学习方法在准确性和实时性方面都取得了突破性的提升。尽管如此,大多数目标检测模型仍然依赖于高性能的硬件环境,这限制了目标检测技术在更多实时场景下的应用。近两年提出的基于关键点的目标检测方法即anchor-free方法如Corner Net、Center Net等避免了基于锚框的目标检测方法中大量与锚框相关的Io U计算,为目标检测模型的轻量化提供了新的线索。目前主流的anchor-free目标检测模型以Hourglass Net-104,HRNet等关键点检测网络作为主干网络,取得了超越anchor-based目标检测模型的准确率,但这些重量级主干网络极大地限制了模型的推理速度,其原本面向人体姿态估计等任务设计的网络结构也还有进一步针对目标检测任务优化的空间。基于上述讨论,本文首先提出了一种轻量级主干网络来适配anchor-free检测方法的高效性,然后基于该轻量级主干网络提出了一种实时目标检测模型,最后将目标检测模型应用于视频检索中,验证其在实际应用中的效果。主要研究内容包括:（1）提出了一种适用于anchor-free目标检测方法的轻量级主干网络。该主干网络针对高分辨率特征图和计算高效性进行设计,采用多分支结构在保证高分辨率特征图的同时提取多尺度特征,高效率的网络构造单元在保证精度的同时降低了计算量。在Image Net 2012图像分类数据集和MPII人体姿态估计数据集上的实验结果表明,本文提出的主干网络相较于其他主流轻量级主干网络具有更高的性能和效率。（2）基于轻量级主干网络和三元关键点检测头提出一种高性能的实时目标检测模型。本文采用的三元关键点检测头通过检测关键点来预测物体框,极大地减少了生成的候选框数量,提高了与Io U计算相关的后处理速度。在训练阶段,提出了一种特征软选择联合辅助训练策略来提高多尺度特征的利用率,特征选择网络只用于辅助训练,不会引入额外的计算代价。本文提出的实时目标检测模型在MS-COCO目标检测数据集上以49.5FPS的检测速度取得了30.7 mm AP的准确率。（3）提出了一种基于实时目标检测的视频检索方法。该视频检索方法首先采用标准帧检测器来过滤掉视频中相似度较大的帧,保留标准帧。然后采用本文的实时目标检测模型对标准帧进行预测,支持多种物体类别以及物体数量、位置等细粒度信息的检索。在6个不同类型的视频上的检索结果表明,本文提出的视频检索方法相比基线模型取得了150倍到306倍的检索加速比,同时保持了90%以上的检索准确率。