基于深度学习的单阶段目标检测算法研究综述

被引:46
作者
刘俊明 [1 ]
孟卫华 [1 ,2 ]
机构
[1] 中国空空导弹研究院
[2] 航空制导武器航空科技重点实验室
关键词
深度学习; 单阶段目标检测算法; 特征提取; 特征融合; anchor; 损失函数; 人工智能;
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
近年来,深度学习技术推动目标检测算法取得了突破式进展。基于深度学习的目标检测算法可分为两阶段检测算法和单阶段检测算法。相比两阶段检测算法,单阶段检测算法的结构简单、计算高效,同时具备不错的检测精度,在实时目标检测领域中具有较高的研究和应用价值。本文首先回顾了单阶段检测算法的发展历史,分析总结了相关算法的优缺点,然后归纳提出了单阶段目标检测算法的通用框架,接着对框架中的特征提取模块和检测器进行了深入分析,指出了其对算法性能的影响,最后对单阶段检测算法的发展趋势进行了展望。
引用
收藏
页码:44 / 53
页数:10
相关论文
共 9 条
  • [1] 深度学习在目标视觉检测中的应用进展与展望
    张慧
    王坤峰
    王飞跃
    [J]. 自动化学报, 2017, 43 (08) : 1289 - 1305
  • [2] 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)
  • [3] 基于红外成像的小目标检测技术研究
    蔺向明
    [J]. 航空兵器, 2014, (03) : 12 - 15+39
  • [4] 行人检测技术综述
    苏松志
    李绍滋
    陈淑媛
    蔡国榕
    吴云东
    [J]. 电子学报, 2012, 40 (04) : 814 - 820
  • [5] Recent advances in convolutional neural networks[J] . Jiuxiang Gu,Zhenhua Wang,Jason Kuen,Lianyang Ma,Amir Shahroudy,Bing Shuai,Ting Liu,Xingxing Wang,Gang Wang,Jianfei Cai,Tsuhan Chen.Pattern Recognition . 2018
  • [6] The Pascal Visual Object Classes Challenge: A Retrospective[J] . Mark Everingham,S. M. Ali Eslami,Luc Gool,Christopher K. I. Williams,John Winn,Andrew Zisserman.International Journal of Computer Vision . 2015 (1)
  • [7] Selective Search for Object Recognition
    Uijlings, J. R. R.
    van de Sande, K. E. A.
    Gevers, T.
    Smeulders, A. W. M.
    [J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2013, 104 (02) : 154 - 171
  • [8] The Pascal Visual Object Classes (VOC) Challenge
    Everingham, Mark
    Van Gool, Luc
    Williams, Christopher K. I.
    Winn, John
    Zisserman, Andrew
    [J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2010, 88 (02) : 303 - 338
  • [9] Scalable object detection using deep neural networks. Erhan D,Szegedy C,Toshev A.et al. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition . 2014