物体检测是计算机视觉与模式识别领域的一个核心研究方向。基于全监督的物体检测任务需要具备详细位置框标注的数据,标注代价太过昂贵。为减少检测器对精细标注数据的依赖,本文主要研究基于混合监督的物体检测任务。即利用少量的全标注(有详尽位置框标注)数据和大量的弱标注(只有图片级别标注)数据训练一个高效的检测器。针对混合监督物体检测任务,本文提出了一种端到端的网络结构。不同于弱监督及其他的混合监督检测器需要借助手工设计的候选位置框生成算法生成候选位置框,该网络包含一个候选位置框生成模块,可以自主产生高质量候选位置框,且几乎不增加额外计算量。此外,该网络能同时处理两种形式的标注数据,利用弱标注数据时,采用一种在线校准策略来更好地找到覆盖物体整体而不仅仅是具有区分力区域的位置框。本文提出了一种适用于混合监督形式的基于迁移学习的训练策略,将检测器利用全标注数据学习得到的定位能力,迁移到利用弱标注数据学习分类的过程中。该策略使检测器为弱标注数据产生了更高质量的候选位置框,从而提升了检测器的检测性能。为进一步提升检测器性能,文本在利用弱标注数据进行训练时,引入课程学习机制,对图片按照从简单到难的顺序加以利用。本文在PASCAL VOC 2007数据集上进行实验,提出的算法采用15%全标注数据与85%弱标注数据可以达到全监督检测算法Faster R-CNN 90%的检测性能。实验结果显示,本文提出的算法极大减少了训练一个性能优异的检测器所需的标注代价。