中新网合肥10月14日电 (吴兰 陈坤)记者14日从中科院合肥研究院获悉，该院智能所先进制造技术研究中心王红强研究员团队提出了一种新型目标检测人工智能框架，为快速高精度实时在线目标识别提供了新的解决方案。

相关工作发表在计算机科学及工程技术领域顶刊 Expert Systems With Applications上。

近年来，深度学习理论驱动了人工智能技术飞跃式发展，基于深度学习的目标检测技术在许多产业应用中取得巨大成功，其中快速实时目标检测是人工智能技术产业应用的重要需求。一直以来，快速实时目标检测研究主要依赖研发轻量型神经网络模型(或边缘计算等)提高目标检测速度，但效率与精度往往不能兼顾，成为当前目标检测前沿研究与产业应用的重要挑战之一。

此外，由于深度学习自身的特性，检测精度再提升往往伴随着巨大的计算代价和时间开销，造成在许多场景下部署和再升级瓶颈。

该科研团队通过研究分析发现，基于深度学习的目标检测技术主要缺陷之一在于重复的特征提取与融合深度网络结构，产生不必要的计算代价。为此，科研人员提出一种多输入单输出目标识别框架(MiSo)，在此框架下，科研团队设计了感受野调节机制、残差注意力自学习机制、基于eRF动态平衡抽样策略三种新的学习机制，实现了更加简洁高效地提取热点特征信息，并验证了该模型的优越性。

据介绍，该方法为目标检测前沿研究与产业应用提供了新的思路。