深度学习应用于遮挡目标检测算法综述

摘要：

遮挡目标检测长期以来是计算机视觉中的一个难点和研究热点.目前的深度学习基于卷积神经网络,将目标检测任务作为分类任务和回归任务来处理.当目标被遮挡时,遮挡物会混淆目标之间的特征,使得深度网络不能很好地识别和推理,降低检测器在理想场景下的性能.考虑到遮挡在现实中的普遍性,对遮挡目标的有效检测具有重要研究价值.为了进一步促进遮挡目标检测的发展,对基于深度学习的遮挡目标检测算法进行了全面总结,并对已有的遮挡检测算法进行归类、分析、比较.在对目标检测进行简单概述基础上,首先,对遮挡目标检测的相关背景、研究的难点以及遮挡数据集进行了介绍;然后,对遮挡检测优化算法主要按照目标结构、损失函数、非极大值抑制以及部分语义四方面进行归纳分析,在对各种算法之间的联系以及发展脉络进行阐述后,对各种算法性能进行了比较;最后,指出了遮挡目标检测仍面临的困难,并对遮挡目标检测未来的发展方向进行了展望.

关键词：遮挡目标检测、深度学习、损失函数、非极大值抑制、部分语义

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：1243-1259