卷积神经网络在目标检测中的应用综述

被引：35

作者：

于进勇 ^{[1
]}

丁鹏程 ^{[2
]}

王超 ^{[1
]}

机构：

[1] 海军航空大学控制工程系

[2] 海军航空大学研究生五队

来源：

计算机科学 | 2018年 / 45(S2)卷 / S2期

关键词：

计算机视觉; 目标检测; 深度学习; 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：

深度学习作为机器学习的一个分支,在各个领域的应用越来越广,已经成为语音识别、自然语言处理、信息检索等方面的一个主要发展方向;其在图像分类、目标检测等方面更是不断取得新的突破。文中首先梳理了卷积神经网络在目标检测中的典型应用;其次,对几种典型卷积神经网络的结构进行了对比,并总结了各自的优缺点;最后,讨论了深度学习现阶段存在的问题以及未来的发展方向。

引用

页码：17 / 26

页数：10

共 16 条

[1] 实时目标检测算法YOLO的批再规范化处理
温捷文
战荫伟
凌伟林
郭灿樟
[J]. 计算机应用研究, 2018, 35 (10) : 3179 - 3185
[2] 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
[3] 基于RCNN的无人机巡检图像电力小部件识别研究
王万国
田兵
刘越
刘俍
李建祥
[J]. 地球信息科学学报, 2017, (02) : 256 - 263
[4] 深度卷积神经网络在计算机视觉中的应用研究综述
卢宏涛
张秦川
[J]. 数据采集与处理, 2016, 31 (01) : 1 - 17
[5] 深度学习的研究与发展
张建明
詹智财
成科扬
詹永照
[J]. 江苏大学学报(自然科学版), 2015, 36 (02) : 191 - 200
[6] 光流场算法及其在视频目标检测中的应用研究[D]. 潘光远.上海交通大学. 2008
[7] ImageNet Large Scale Visual Recognition Challenge
Russakovsky, Olga
Deng, Jia
Su, Hao
Krause, Jonathan
Satheesh, Sanjeev
Ma, Sean
Huang, Zhiheng
Karpathy, Andrej
Khosla, Aditya
Bernstein, Michael
Berg, Alexander C.
Fei-Fei, Li
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2015, 115 (03) : 211 - 252
[8] 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)
[9] 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
[10] 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

← 1 2 →