動態(tài)神經網絡是深度學習領域的新興研究課題。通過自適應推理，動態(tài)模型可以達到顯著的精度和計算效率。然而，由于沒有合適的動態(tài)結構和現有的目標檢測標準，設計一個強大的動態(tài)檢測器是具有挑戰(zhàn)性的。為解決這些困難，本文提出一種用于目標檢測的動態(tài)框架DynamicDet。首先，根據目標檢測任務的性質精心設計了一個動態(tài)架構;然后，我們設計了一個自適應路由器來分析多尺度信息并自動確定推理路由。本文還提出了一種新的優(yōu)化策略，給出了一種基于檢測損失的動態(tài)檢測器優(yōu)化準則。最后，提出了一種可變速度的推理策略，有助于只用一個動態(tài)檢測器實現大范圍的精度-速度權衡。在COCO基準上進行的廣泛實驗表明，所提出的DynamicDet實現了新的最先進的精度-速度權衡。例如，在相當的精度下，動態(tài)檢測器Dy-YOLOv7-W6的推理速度比YOLOv7-E6提高12%，比YOLOv7-D6提高17%，比YOLOv7-E6E提高39%。代碼可以在https: //github.com/VDIGPKU/DynamicDet上獲得。