技术摘要：
本发明实施例提供了一种物体识别方法、装置和单步物体识别神经网络，通过使用扩张卷积代替传统的单发多框检测(SSD)网络中一部分卷积层，减小了输入图像尺寸的限制；通过增加连接路径，提高了物体识别的准确性；而通过使用残差结构对卷积层进行连接，保证了收敛效果，从  全部
背景技术：
物体识别是机器视觉领域最重要的研究方向之一。如今，工程同时需要高精度和 实时能力，这使得神经网络物体识别技术成为主流。传统的物体识别方法的深度学习可分 为两部分。一种是候选区域提取方法，例如快速区域卷积神经网络(Faster  R-CNN，Faster  Region-Convolutional  Neural  Network)和区域全卷积网络(R-FCN，Region-Fully  Convolutional  Network)。另一种是单步方法，例如单发多框检测(SSD，Single  Shot  multibox  Detector)和仅看一次(YOLO，You  Only  Look  Once)。 前一种方法使感兴趣区域(ROI，Region  of  Interest)提取变得复杂，导致速度变 慢。后一种方法是一种实时物体检测算法。由于它省略了ROI池并减少了计算量，因此其中 一些可以比GPU辅助的速度快30fps。 应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、 完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的
技术实现要素：
部分进行了阐述而认为上述技术方案为本领域技术人员所公知。