4.1 总体结构 本文的 SMNN-MFR 总体结构如图 2 所示，包 括四个关键模块：预处理、多层特征提取、生成建 议框、光滑调制。 （1）预处理：因为我们的数据集样本是面向 自然场景收集的，所以样本图片存在雾化、低照度 和过曝光等问题，所以我们首先对数据进行去雾和 照度调整； （2）多层特征提取：为了从图片中提取颜色、 车型的重要特征，本文对特征提取网络进行轻量化 设计，并结合多尺度特征融合网络，得到具有关键 属性的特征图； （3）生成建议框：为了获得车辆位置信息， 本文在特征图上生成多个候选感兴趣区域（Region of Interest, ROI），然后利用分类器将这些 ROI 区分 为背景和前景，同时利用回归器对这些 ROI 的位置 进行初步的筛选； （4）光滑调制：其中分类损失用于区分不同 种类的目标，回归损失用来对目标框进行精确调整。