目标检测是计算机视觉中最基本的任务之一，其目的是识别并定位图像中 预先给定的类别范围内的物体。从实际应用的角度来说，目标检测在公共安全、 视频监控、自动驾驶、异常行为识别、视频理解与检索等多个应用领域中都获得 了广泛的关注。从算法研究的角度来说，大量下游视觉任务依赖于目标检测输 出，比如物体分类、实例分割、目标跟踪、人脸识别、行人重识别、人物交互等。 由此可见，开展目标检测相关研究具有较高的学术价值与应用价值。

随着深度学习的兴起以及大规模目标检测数据集的提出，目标检测技术随 着网络结构的发展，检测算法的革新，优化策略的提升取得了长足的发展。然而 在目前目标检测研究中，在数据的使用方式和模型的训练策略中均存在大量对 可用信息利用不充分的情况，严重制约了的目标检测性能的提升。如何能够挖掘 各类数据之间以及不同模型之间的信息表示与传递机制，是目标检测研究的一 个重点方向。本文以目标检测中的信息传递为研究重点，针对单模态模型内，单 模态时序间，跨模态数据间以及模型与模型间等多个方面的信息传递展开了系 统研究。论文的主要贡献包括以下几个方面：

• 提出了一种基于单模态模型内不同尺度物体间信息相互传递的目标检测网 络结构。针对目标检测中相同类别不同尺度物体间信息无法相互流通的问 题，本文提出了一种尺度敏感的多分支权重共享的目标检测网络。不同于 基于尺度金字塔方法对不同尺度物体分治的方法，本文提出的多尺度参数 共享网络，能够利用同一组的参数进行多尺度物体特征的学习，更加有效 的利用了相同类别不同尺度物体标签间的信息。在权威目标检测数据集上 的实验表明，本文提出的目标检测网络相对以往的网络结构能有明显性能 提升。

• 提出了一种基于单模态时空序列中相同物体的不同视图间信息传递的视频 目标检测方法。针对视频目标检测中同一物体的信息在不同帧间无法有效 流通的问题，本文提出了一种在时空序列中基于实例特征的特征聚合方法。 通过利用相同物体在不同时刻的冗余信息，使得视频检测器能在目标快速 运动或被其他物体严重遮挡的情况下，依旧能稳定的对目标物体进行检测。在大规模视频目标检测数据集上评测的结果表明，本文中所提出的视频目 标检测方法相对于以往方法能够有稳定提升。

• 提出了一种基于多模态时空序列间异质信息传递的自监督视觉目标检测方 法。针对目标检测中同一物体在不同模态数据间信息不流通的问题，本文 设计的方法，从点云模态中以及图像模态中分别提取目标的深度信息以及 目标的运动信息并加以融合，打通了不同模态数据间的信息壁垒，实现了 自监督范式下的目标检测。在大规模自动驾驶数据集上的实验表明，本文 所提出的自监督视觉目标检测方法能够与利用人工标签训练的目标检测方 法取得了相当的性能。

• 提出了一种基于不同规模模型间信息传递的深度网络加速方法。针对深度 学习中小规模网络模型提取数据中信息能力不足的问题，本文提出了一种 通过样本间相似度来表示模型信息的方法。并通过在大规模网络模型与小 规模网络模型之间传递样本间相似度信息，实现了信息从大规模网络模型 向小规模网络模型的传递。在以目标检测为代表的多种计算机视觉任务上 的实验表明，本文设计的模型信息表示形式与模型间信息传递机制能够有 效的增强小规模网络模型的对于数据中信息的利用，缓解小规模网络模型 信息提取能力不足的问题。