作为计算机视觉的核心应用之一，在要求高精度，但计算资源有限的情况下，例如机器人技术和无人驾驶汽车，目标检测变得越来越重要。但是，许多当前的高精度检测器不能满足这些限制。更重要的是，现实世界中的目标检测应用程序在各种平台上运行，这些平台通常需要不同的资源。那么，如何设计能适应各种资源限制的准确高效的目标检测器？在已被 CVPR 2020 接收的 论文「EfficientDet：可扩展和高效的目标检测」中，谷歌研究介绍了新的可扩展和高效的目标检测器系列。在此前关于新型 CNN 网络（EfficientNet）的工作基础上，并结合了新颖的双向特征网络（BiFPN）和新的缩放规则，fficientDet 实现了最佳精度，同时缩小了 9 倍，并且与现有技术的最新检测器相比算力使用量大大减少。