基于深度学习的小目标检测算法研究进展 |
| |
引用本文: | 廖龙杰,吕文涛,叶冬,郭庆,鲁竞,刘志伟.基于深度学习的小目标检测算法研究进展[J].浙江理工大学学报,2023(3):331-343. |
| |
作者姓名: | 廖龙杰 吕文涛 叶冬 郭庆 鲁竞 刘志伟 |
| |
作者单位: | 1. 浙江理工大学信息科学与工程学院;2. 浙江理工大学浙江省智能织物与柔性互联重点实验室 |
| |
基金项目: | 国家自然科学基金项目(61601410);;浙江省科技厅重点研发计划项目(2021C01047,2022C01079); |
| |
摘 要: | 基于深度学习的小目标检测算法可以有效提高小目标检测性能和检测速率,在图像处理领域得到了广泛应用。首先概述了小目标检测的难点,分别对基于锚框优化、基于网络结构优化、基于特征增强的小目标检测算法进行了分析,总结了各算法的优缺点;然后介绍了用于小目标检测的公共数据集和小目标检测算法的评价指标,对检测算法的性能指标进行了分析;最后对小目标检测算法已经解决的难点进行了总结,并对有待后续研究方向进行了展望。深度学习在小目标检测领域仍有较大的发展空间,在模型通用性、耗时与精度和特定场景的小目标检测等方面有待深入研究。
|
关 键 词: | 深度学习 神经网络 图像处理 目标检测 小目标检测 |
|
|