基于深度学习的YOLO目标检测综述

摘要：

目标检测是计算机视觉领域的一个基础任务和研究热点.YOLO将目标检测概括为一个回归问题,实现端到端的训练和检测,由于其良好的速度-精度平衡,近几年一直处于目标检测领域的领先地位,被成功地研究、改进和应用到众多不同领域.该文对YOLO系列算法及其重要改进、应用进行了详细调研.首先,系统地梳理了YOLO家族及重要改进,包含YOLOv1-v4,YOLOv5,Scaled-YOLOv4,YOLOR和最新的YOLOX.然后,对YOLO中重要的基础网络,损失函数进行了详细的分析和总结.其次,依据不同的改进思路或应用场景对YOLO算法进行了系统的分类归纳.例如,注意力机制、3D、航拍场景、边缘计算等.最后,总结了YOLO的特点,并结合最新的文献分析可能的改进思路和研究趋势.

关键词：目标检测、YOLO、深度学习、卷积神经网络

所属期刊栏目：44

分类号：TN911.73

资助基金：国家自然科学基金;四川省科技计划;四川省科技计划;四川省科技计划

在线出版日期：2022-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：3697-3708