随着无人驾驶、人脸检测、智能视频监控等应用出现,亟待快速、准确的物体检测系统。物体检测系统不仅要求能识别图像中物体类别,还要求能够画出框体,用于定位物体的位置。这对物体检测提出了严苛的要求,使得其成为比物体识别任务更难解决的问题。传统的计算机视觉方法存在检测准确率低和检测速度慢等问题。基于卷积神经网络的物体检测技术是实现快速准确检测的有效方法。卷积神经网络自动学习的图像特征,能够很好地表达图像的语义信息。且近年来,大规模的公开训练数据集为卷积神经网络提供大量的训练数据,以及计算机硬件的飞速发展为卷积神经网络强大的计算提供能力。基于卷积神经网络的物体检测技术仍然存在小物体难检测,受复杂背景和相似物体干扰的问题。本文主要研究基于卷积神经网络的物体检测。首先,详述了不同类型的基于卷积神经网络的物体检测算法,然后针对这些算法的健壮性不足、小物体难检测和准确率较低等问题,本文提出了改进方法,主要贡献有:1.提出新的预测模块。该模块结合了多层卷积层,增强了图像卷积特征,提高了卷积特征的感受野,使得卷积特征能够感受更多上下文信息,从而提高了单次物体检测模型(Single Shot MultiBox Detector,SSD)的平均准确率,同时改善了SSD检测小物体效果比较差的问题。在实验中,本文用PASCAL VOC数据集去验证该预测模块,结果显示该模块能够提升SSD的平均准确率,并能更好地检测出小物体。2.提出自适应的先验框体产生机制。该机制能够随着输入图片尺寸不同而自适应地产生先验框体,使得不同大小输入图片的标准框体,能够有合适的先验框体与之匹配,结合SSD构成新的模型NTB-SSD,解决了SSD不能多尺度训练测试的问题。使用PASCAL VOC数据集的实验表明,本文所提出的机制,能够在保持较高的检测平均准确率和检测速度的条件下,进行多尺度的训练和测试。3.提出可同时进行物体检测和语义分割的模型,该模型能够同时训练物体检测和语义分割,充分利用了语义分割标签中具有的详细先验知识,来监督模型的训练,从而提高了检测准确率。本文用PASCAL VOC和COCO数据集做实验,验证了语义分割标签有助于提高物体检测模型的检测准确率。