10.3969/j.issn.1673-629X.2019.12.016
基于卷积神经网络的目标检测模型综述
目标检测一直是计算机视觉领域中的研究热点.随着深度学习技术的迅猛发展,基于卷积神经网络的目标检测模型逐渐被广泛关注.文中主要对基于卷积神经网络的目标检测模型的现状进行综述.首先,介绍了目标检测的相关基础,特别罗列了一些目标检测模型中常用的卷积神经网络结构,也介绍了检测模型常用的梯度下降法训练方式.然后,重点从候选区域和回归方法两类对近年来提出的优秀模型进行综述,候选区域一类也创新地使用特征尺度进行区分,说明了多尺度特征能够有效提高小尺度目标检测精度.对于每一类检测模型,根据同一数据集上的检测结果分析这些模型的优势与缺陷,最后根据分析的结果总结一些基于卷积神经网络的目标检测模型的优化方案.
卷积神经网络、目标检测、深度学习、计算机视觉
29
TP301(计算技术、计算机技术)
国家自然科学基金61373135;江苏省研究生科研与实践创新计划项目KYCX170775
2019-12-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
87-92