本项目基于深度学习的目标检测技术，搭建了图像服务及开放API平台，旨在提供一些通用的图像分析和理解算法API模块，开发者可以通过这些模块组合，结合自身领域特点，独立开发图像分离和理解系统，满足自身特定需求，方便于在上层业务系统中基于本平台提供的服务构建相应的业务系统。模型训练的特征提取部分使用Inception v4网络模型，加入了多层特征融合的机制，检测框架基于Faster R-CNN针对难分样本挖掘问题做了相应的改进。 目标检测技术不仅需要对图片上的内容进行分类，同时也要确定目标物体所在的位置，通过位置信息获得更多的有用价值。例如，本项目其中一项应用场景是检测商场货架照片上各个类别商品的个数以及摆放位置，从而计算商场货架商品各品类占有率。通过本项目提供的服务，对指定商品识别的平均准确率可达到95%，通过照片自动识别的方式能够降低批发业运营本钱，推动批发营销决策革新。本研究成果，可广泛应用于医疗癌症结节检测、行人检测、车辆检测、自动驾驶路况路标检测、智能物件检测等各个领域，帮助实现较高精度（90%以上）的自动化的目标对象（特定物体、特定人、零件缺陷等等）的识别检测。