采用反卷积与捷径连接,针对毫米波图像提出了一种高效、快速的卷积神经网络,在保留图像低阶细粒度特征的同时,检测速度由原框架的9 frame/s大幅提升至27 frame/s,并取消了Faster RCNN (Regions with Convolutional Neural Networks)中的RCNN部分。为了使网络更好地收敛,基于聚类思想设计了初始候选框的大小。使用在线困难样本挖掘(OHEM)优化了Faster RCNN的损失函数,解决了毫米波图像中正负样本失衡的问题,大幅提升了训练速度。所提算法在测试集上取得了87.6%的准确率和81.2%的检出率,F1分数相较于主流算法提升了5%左右。