| 基于深度学习的图像目标检测算法综述 |
| |
| 作者姓名： | 张婷婷 章坚武 郭春生 陈华华 周迪 王延松 徐爱华 |
| |
| 作者单位： | 1. 杭州电子科技大学,浙江 杭州 310018;2. 浙江宇视科技有限公司,浙江 杭州 310051;3. 之江实验室,浙江 杭州 311121 |
| |
| 基金项目： | 国家自然科学基金资助项目(U1866209);国家自然科学基金资助项目(61772162);国家重点研发计划基金资助项目(2018YFC0831503);浙江省自然科学基金资助项目(LYl6F020016);浙江省重点研发计划基金资助项目(2018C01059);浙江省重点研发计划基金资助项目(2019C01062) |
| |
| 摘 要： | 图像目标检测是找出图像中感兴趣的目标,并确定他们的类别和位置,是当前计算机视觉领域的研究热点。近年来,由于深度学习在图像分类方面的准确度明显提高,基于深度学习的图像目标检测模型逐渐成为主流。首先介绍了图像目标检测模型中常用的卷积神经网络;然后,重点从候选区域、回归和anchor-free方法的角度对现有经典的图像目标检测模型进行综述;最后,根据在公共数据集上的检测结果分析模型的优势和缺点,总结了图像目标检测研究中存在的问题并对未来发展做出展望。
|
| 关 键 词： | 计算机视觉 图像目标检测 深度学习 图像分类 |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《电信科学》浏览原始摘要信息 |
|
点击此处可从《电信科学》下载全文 |
|
