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