基于深度卷积神经网络的目标检测研究综述

被引：309

作者：

范丽丽 ^{[1
]}

赵宏伟 ^{[1
,2
]}

赵浩宇 ^{[3
]}

胡黄水 ^{[4
]}

王振 ^{[5
]}

机构：

[1] 吉林大学计算机科学与技术学院

[2] 吉林大学符号计算与知识工程教育部重点实验室

[3] 吉林大学学报(工学版)编辑部

[4] 长春工业大学计算机科学与工程学院

[5] 山东理工大学计算机科学与技术学院

来源：

光学精密工程 | 2020年 / 28卷 / 05期

关键词：

图像处理; 深度卷积神经网络; 目标检测; 特征表示; 深度学习;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Networks)凭借其特征学习和迁移学习的强大能力在图像分类方面取得了一系列突破,在目标检测方面,它越来越受到人们的重视。因此,如何将CNN应用于目标检测并获得更好的性能是一项重要的研究。首先回顾和介绍了几类经典的目标检测算法;然后将深度学习算法的产生过程作为切入点,以系统的方式全面概述了各种目标检测方法;最后针对目标检测和深度学习算法面临的重大挑战,讨论了一些未来的方向,以促进深度学习对目标检测的研究。

引用

页码：1152 / 1164

页数：13

共 10 条

[1]

基于视觉系统分层的小目标运动检测 [J].