深度学习的典型目标检测算法综述

被引：58

作者：

南晓虎 ^{[1
,2
,3
]}

丁雷 ^{[1
,2
]}

机构：

[1] 中国科学院红外探测与成像技术重点实验室

[2] 中国科学院上海技术物理研究所

[3] 中国科学院大学

来源：

计算机应用研究 | 2020年 / 37(S2)卷 / S2期

关键词：

目标检测; 深度学习; 检测模型; 卷积神经网络;

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：

目标检测要找出图像中感兴趣的目标,确定目标的类别和位置。目标受到各种因素的影响,使得目标检测是计算机视觉领域中最具有挑战性的问题之一。深度学习可以从图像数据中学习到强大的特征表征,基于深度学习的检测算法在每年的检测精度上有显著的提升。综述了深度学习在目标检测方面有代表性算法的进展与展望。首先介绍目标检测的背景;然后针对基于候选窗口的检测框架和基于回归的检测框架,分别对有代表性的检测算法进行重点介绍,作出对比与总结;最后讨论目标检测领域存在的困难与挑战,并对未来目标检测方向的发展趋势进行展望。

引用

页码：15 / 21

页数：7

共 29 条

[11] 基于计算机视觉的目标检测跟踪及特征分类研究[D]. 杨超宇.中国矿业大学(北京) 2017
[12] 基于深度学习的图像分类的研究[D]. 童浩然.安徽理工大学 2018
[13] 基于多层特征融合的SSD目标检测[D]. 范钦民.西南交通大学 2018
[14] 基于Faster R-CNN的目标检测算法的研究[D]. 伍伟明.华南理工大学 2018
[15] ImageNet Classification with Deep Convolutional Neural Networks
Krizhevsky, Alex
Sutskever, Ilya
Hinton, Geoffrey E.
[J]. COMMUNICATIONS OF THE ACM, 2017, 60 (06) : 84 - 90
[16] 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
[17] Distinctive image features from scale-invariant keypoints
Lowe, DG
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) : 91 - 110
[18] Robust real-time face detection
Viola, P
Jones, MJ
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 57 (02) : 137 - 154
[19] The 2005 PASCAL visual object classes challenge. Everingham M,Zisserman A,Williams CKI,et al. Proc.of the Int’’l Conf.on Machine Learning Challenges:Evaluating Predictive Uncertainty Visual Object Classification,and Recognizing Textual Entailment . 2005
[20] Fully convolutional networks for semantic segmentation. Shelhamer E,Long J,Darrell T. https://arxiv.org/abs/ 1411.4038 . 2015

← 1 2 3 →