深度学习目标检测方法及其主流框架综述

被引：66

作者：

段仲静 ^{[1
]}

李少波 ^{[1
,2
]}

胡建军 ^{[2
]}

杨静 ^{[2
]}

王铮 ^{[2
]}

机构：

[1] 贵州大学现代制造技术教育部重点实验室

[2] 贵州大学机械工程学院

来源：

激光与光电子学进展 | 2020年 / 57卷 / 12期

关键词：

图像处理; 深度学习; 目标检测; 网络框架; anchor-based模型; anchor-free模型;

D O I：

暂无

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

目标检测作为机器视觉中重要任务之一,是人工智能体系中一个具有重要研究价值的技术分支。对于卷积神经网络框架、anchor-based模型和anchor-free模型三个主流的目标检测模型进行梳理。首先,综述了主流卷积神经网络框架的网络结构、优缺点以及相关的改进方法;其次从one-stage和two-stage两个分支对anchor-based类模型进行深入分析,总结了不同目标检测方法的研究进展;从早期探索、关键点和密集预测三部分分析anchor-free类模型。最后对该领域的未来发展趋势进行了思考与展望。

引用

页码：59 / 74

页数：16

共 11 条

[1] 基于改进YOLOv2模型的多目标识别方法
李珣
时斌斌
刘洋
张蕾
王晓华
[J]. 激光与光电子学进展, 2020, (10) : 113 - 122
[2] 基于YOLOV3改进的实时车辆检测方法
李汉冰
徐春阳
胡超超
[J]. 激光与光电子学进展, 2020, 57 (10) : 332 - 338
[3] 基于卷积神经网络和RGB-D图像的车辆检测算法
王得成
陈向宁
赵峰
孙浩燃
[J]. 激光与光电子学进展, 2019, (18) : 119 - 126
[4] 基于Dopout与ADAM优化器的改进CNN算法
杨观赐
杨静
李少波
胡建军
[J]. 华中科技大学学报(自然科学版), 2018, 46 (07) : 122 - 127
[5] 基于深度学习的自动驾驶技术综述
张新钰
高洪波
赵建辉
周沫
[J]. 清华大学学报(自然科学版), 2018, 58 (04) : 438 - 444
[6] 基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋.自动化学报. 2016(10)
[7] 智能视频监控技术综述
黄凯奇
陈晓棠
康运锋
谭铁牛
[J]. 计算机学报, 2015, 38 (06) : 1093 - 1118
[8] Automated human behavior analysis from surveillance videos: a survey[J] . D. Gowsikhaa,S. Abirami,R. Baskaran.Artificial Intelligence Review . 2014 (4)
[9] HyperNet:towards accurate region proposal generation and joint object detection. Kong T,Yao A B,Chen Y R,et al. https:∥arxiv.org/abs/ 1604.00600 . 2016
[10] Real-time recognition method for 0.8cm darning needle and KR22bearing based on convolution neural network and data increase. Yang J,Li S B,Gao Z,et al. Applied Sciences . 2018

← 1 2 →