编者按：本文来自微信大众号“MEMS”（ID：MEMSensor），作者MEMS，原文标题《自动化地点视觉物体检测与辨认范畴获得系列发展》，36氪经授权发布，略有删减。
近来，中国科学院自动化研究所智能感知与核算研究中心研究员张兆翔，及其团队学习脑神经机制与视觉认知机理，在视觉物体检测模型与办法上获得一系列发展，共有5篇文章被 ICCV2019 选用，1篇文章被 NeurIPS2019 选用，1篇文章被 JMLR 期刊录入。本次侧重介绍依据三叉戟网络（Trident Networks）的物体检测。
物体检测是核算机视觉与模式辨认范畴的核心问题，一直以来遭到学术界与工业界的广泛重视。当时物体检测最大的难点，是怎么对场景中多种标准的物体进行有用表征，从而进行更为高效、更为精确的物体检测。
在二维透视成像中，近大远小是一个常见的现象，如图1所示。这一透视联系，协助人类视觉系统构成对三维空间的感知。但关于依据二维图画的视觉感知使命而言，近大远小会导致相同实在巨细的物体依据远近不同，因此在成像平面上构成不同标准的物体。这将对视觉感知使命提出应战。具体来说：（1）这会导致信息的衰减，二维图画捕获的信息随间隔二次衰减，因此30米外的物体在图片上或许只要15米外相同物体1/4的像素；（2）卷积神经网络具有限制性。因为卷积操作在二维平面上选用相同巨细的滑动窗口进行核算，同一卷积操作无法一起对标准差异较大的物体进行呼应。
图片来自：MEMS
针对传统卷积神经网络的限制，张兆翔及其团队初次提出 Trident 网络结构。首要经过不同膨胀系数的卷积支路完成对不同标准的物体的辨认，然后经过权重同享完成对不同标准相同物体的一致性描写。研究人员还提出了一种在测验阶段只需要一条卷积支路的快速 Trident 网络，快速 Trident 网络坚持了与传统检测器主干网络相同的核算量，大幅提高了该办法的实用性。
图片来自：MEMS
该 Trident 办法能够与不同根底网络结构结合，并在 COCO 数据集上获得大幅度提高。该文作为 Oral文章在 ICCV2019 宣布。
