近年来随着硬件的计算能力、存储能力不断提升,通信技术不断创新,使得人们获取图像数据、传输图像数据越来越便捷,但与此同时人类社会中的图像数据量也迅速增多。如何利用计算机来帮助人类自动识别处理海量图像数据已经成为当下研究热点。目标检测是计算机视觉中的基础方向之一,它为计算机视觉应用程序提供最基本的信息,逐渐被应用在了各行各业,改变着人们的生活生产方式。目标检测所要完成的任务是自动地定位给定图像中特定的视觉对象实例。因为基于深度学习的目标检测算法具有出色的检测性能,其已然成为目标检测方向中的研究热点。当前基于深度学习的目标检测算法依赖于强监督信息才能够取得高检测准确率。在实际应用中如果想要扩充检测模型的目标类别,需要根据目标类别对数据集进行额外的人工标注,随着数据量的增多,扩充目标类别也愈发耗时费力。本文利用跨数据集训练技术,避免进行标注数据集的工作,在保持模型的检测准确率不降低的同时,扩充目标检测模型的目标类别。本文主要研究内容如下:(1)介绍了基于深度学习的目标检测算法中两种检测方法:基于锚点框的方法和基于关键点的方法,并讨论了两种检测方法的优缺点。基于锚点框的方法采用人工预设的密集锚点框进行正、负样本获取,基于关键点的方法采用特征图像素点来进行正、负样本的获取。针对不同应用场景,分别设计了两种侧重点不同的目标检测模型。双分支预测的模型侧重于高检测准确率,适用于GPU服务器计算。轻量化RFBNet模型侧重于高检测效率和轻量化,适用于嵌入式(移动端)设备计算。双分支预测的模型通过将两种检测方式进行合并检测,实现两种检测方法的优势互补。并且针对浅层特征提取网络缺乏高级语义信息的特点,在浅层网络引入感受野模块,增强了浅层网络特征中的高级语义,进一步提升了模型检测准确率。轻量化RFBNet模型利用深度可分离卷积代替普通卷积进行模型压缩,提高了模型检测效率、缩减了模型大小。(2)针对目标检测模型在扩充目标类别时需要额外补充人工标注的缺点,使用跨数据集训练技术,将通用目标检测数据集与人脸检测数据集进行联合训练,使用数据集感知损失函数避免联合数据集训练时造成的模型分类混淆,实现融合人脸检测的通用目标检测模型。实验表明,相较于使用单数据集进行训练的模型,跨数据集训练模型的检测准确率相差无几,并且扩充了检测模型的目标类别。