目标检测是指对图片中的目标进行定位和分类。目标检测是计算机视觉的核心,在图像识别、大规模场景识别等方面得到了广泛应用。深度学习方法在目标检测领域应用广泛,并取得了远超传统方法的效果。基于深度学习的目标检测方法可分为基于区域建议的方法和无区域建议的方法。区域建议方法在图片上生成大量候选区域,将可能包含物体的区域作为建议区域,之后再对建议区域进行分类,无区域建议的方法则直接回归得到物体的位置和类别。基于区域建议的方法通常具有更高的精度和鲁棒性,因此本文主要研究了基于区域建议的检测方法。区域建议网络是一种常用的区域建议方法,首先通过卷积神经网络实现特征提取,再利用特征信息回归出高质量的建议区域。区域建议网络提升了建议区域的质量并减少了建议区域的数量,因此区域建议网络大幅提升了检测的速度和精度。但区域建议网络只利用了单一尺度的特征图,单一尺度的特征图中包含的信息不足,因此区域建议网络对于较小物体的检测效果较差。本文在总结深度学习中常用的多尺度方法和注意力机制的基础上,对深度神经网络中的特征融合方法进行了深入研究,提出在一种能高效利用多尺度信息的区域建议网络,该方法被称为基于多尺度的区域建议网络(multi-scale region proposal network,MS-RPN)。针对以上问题,本文具体工作如下:(1)本文对多尺度方法进行了研究,提出了基于多尺度方法的特征融合网络。特征融合网络将尺寸不一,分布不同的多个尺度特征整合在一起,改进了单一尺度特征对目标物体的表达能力不足的问题。(2)在特征融合网络的基础上,加入了基于注意力机制的特征精炼网络。特征精炼网络通过计算不同特征之间的相关关系得到关于注意力的概率分布,对不同的特征加以不同的权重,再对加权特征进行降维。解决了特征融合带来的信息冗余并凸显出重要特征,通过提升特征质量进一步提高目标检测效果。(3)为了验证该方法的有效性,本文在两个目标检测权威数据集上进行了对比试验,同时为了验证改进的实用性,在实际应用场景数据集上进行了验证。实验结果表明MS-RPN在各数据集上均能取得较好的表现。结合实际场景对非极大值抑制进行了改进,提出了自适应的非极大值抑制方法(adaptive non-maximum suppression,ANMS),进一步提升了检测器的实用性。