10.19678/j.issn.1000-3428.0062725
基于深度学习的目标检测算法综述
传统目标检测算法大多基于滑动窗口和人工特征提取,存在计算复杂度高和在复杂场景下鲁棒性差的缺点.近年来,研究人员将深度学习技术应用于目标检测领域,显著提高了算法性能.相比传统算法,基于深度学习的目标检测算法具有速度快、准确性高和在复杂条件下鲁棒性强的优点.从评价指标、公开数据集、传统算法框架等方面对目标检测任务进行阐述,按照是否存在显式的区域建议和是否定义先验锚框两种分类标准,对现有基于深度学习的目标检测算法进行分类,分别介绍算法的演进路线并总结算法机制、优势、局限性及适用场景.在此基础上,分析对比代表性算法在公开数据集中的表现,并对基于深度学习的目标检测的未来研究方向进行展望.
目标检测、深度学习、卷积神经网络、计算机视觉、特征提取
48
TP391.4(计算技术、计算机技术)
教育部人文社会科学研究项目;中央高校基本科研业务费专项;辽宁省教育厅科学技术研究项目;辽宁省社会科学规划基金项目;大连海事大学教学改革项目
2022-09-16(万方平台首次上网日期,不代表论文的发表时间)
共12页
1-12