钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
自动化技术与计算机技术期刊
\
计算机技术与发展期刊
\
基于全卷积网络的目标检测算法
基于全卷积网络的目标检测算法
作者:
施泽浩
赵启军
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取
目标检测
深度学习
全卷积神经网络
回归
计算机视觉
摘要:
目标检测是计算机视觉的一项重要任务,其主要内容是定位图像中出现的目标,并对其进行分类.主流算法普遍基于卷积加全连接的结构,存在模型参数巨大、检测效率低下等问题.而在现实应用中,比如自动驾驶车载系统、智能监控系统中对行人、车辆等目标的检测,往往对目标检测算法的实时性具有较高要求.为此,提出一种基于全卷积神经网络的目标检测算法.网络结构完全采用卷积层实现,不仅用卷积进行特征提取,而且用卷积层进行预测,采用多任务学习,大大提高了检测效率并降低了模型复杂度.相比主流深度学习目标检测算法,如YOLO、Faster RCNN,该算法速度更快,模型参数更少,且保持相当的精度,在PASCAL VOC2007权威目标检测库上的平均准确率(mAP)达到64.5.
暂无资源
收藏
引用
分享
推荐文章
基于卷积神经网络的乳腺疾病检测算法
卷积神经网络
特征融合
空间金字塔池化
尺度无关
乳腺疾病检测
基于全卷积神经网络的遥感图像海面目标检测
YOLOv3
全卷积神经网络
遥感图像
目标检测
基于卷积神经网络的目标检测研究综述
卷积神经网络
目标检测
深度学习
基于卷积神经网络的目标检测算法综述
机器视觉
深度学习
目标检测
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
基于全卷积网络的目标检测算法
来源期刊
计算机技术与发展
学科
工学
关键词
目标检测
深度学习
全卷积神经网络
回归
计算机视觉
年,卷(期)
2018,(5)
所属期刊栏目
智能、算法、系统工程
研究方向
页码范围
55-58
页数
4页
分类号
TP301.6
字数
2258字
语种
中文
DOI
10.3969/j.issn.1673-629X.2018.05.013
五维指标
作者信息
序号
姓名
单位
发文数
被引次数
H指数
G指数
1
施泽浩
四川大学计算机学院视觉合成图形图像技术国防重点实验室
2
14
2.0
2.0
2
赵启军
四川大学计算机学院视觉合成图形图像技术国防重点实验室
11
30
3.0
5.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(84)
共引文献
(636)
参考文献
(9)
节点文献
引证文献
(10)
同被引文献
(43)
二级引证文献
(15)
1962(1)
参考文献(0)
二级参考文献(1)
1969(1)
参考文献(0)
二级参考文献(1)
1980(1)
参考文献(0)
二级参考文献(1)
1987(1)
参考文献(0)
二级参考文献(1)
1990(1)
参考文献(0)
二级参考文献(1)
1991(2)
参考文献(0)
二级参考文献(2)
1994(4)
参考文献(0)
二级参考文献(4)
1996(1)
参考文献(0)
二级参考文献(1)
1997(4)
参考文献(0)
二级参考文献(4)
1998(5)
参考文献(0)
二级参考文献(5)
1999(6)
参考文献(0)
二级参考文献(6)
2000(5)
参考文献(0)
二级参考文献(5)
2001(8)
参考文献(0)
二级参考文献(8)
2002(6)
参考文献(0)
二级参考文献(6)
2003(1)
参考文献(0)
二级参考文献(1)
2004(6)
参考文献(1)
二级参考文献(5)
2005(2)
参考文献(0)
二级参考文献(2)
2006(7)
参考文献(0)
二级参考文献(7)
2007(2)
参考文献(1)
二级参考文献(1)
2008(2)
参考文献(0)
二级参考文献(2)
2009(2)
参考文献(1)
二级参考文献(1)
2010(6)
参考文献(1)
二级参考文献(5)
2011(2)
参考文献(0)
二级参考文献(2)
2012(4)
参考文献(1)
二级参考文献(3)
2013(2)
参考文献(0)
二级参考文献(2)
2014(2)
参考文献(0)
二级参考文献(2)
2015(4)
参考文献(0)
二级参考文献(4)
2016(4)
参考文献(3)
二级参考文献(1)
2017(1)
参考文献(1)
二级参考文献(0)
2018(1)
参考文献(0)
二级参考文献(0)
引证文献(1)
二级引证文献(0)
2018(1)
引证文献(1)
二级引证文献(0)
2019(16)
引证文献(6)
二级引证文献(10)
2020(8)
引证文献(3)
二级引证文献(5)
研究主题发展历程
节点文献
目标检测
深度学习
全卷积神经网络
回归
计算机视觉
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
主办单位:
陕西省计算机学会
出版周期:
月刊
ISSN:
1673-629X
CN:
61-1450/TP
开本:
大16开
出版地:
西安市雁塔路南段99号
邮发代号:
52-127
创刊时间:
1991
语种:
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
相关基金
国家自然科学基金
英文译名:
the National Natural Science Foundation of China
官方网址:
http://www.nsfc.gov.cn/
项目类型:
青年科学基金项目(面上项目)
学科类型:
数理科学
期刊文献
相关文献
1.
基于卷积神经网络的乳腺疾病检测算法
2.
基于全卷积神经网络的遥感图像海面目标检测
3.
基于卷积神经网络的目标检测研究综述
4.
基于卷积神经网络的目标检测算法综述
5.
尺度无关的级联卷积神经网络人脸检测算法
6.
基于残差网络的小型车辆目标检测算法
7.
基于卷积神经网络的目标检测算法综述
8.
基于卷积神经网络的行人目标检测系统设计
9.
深度卷积神经网络的目标检测算法综述
10.
基于锚框的深度学习物体目标检测算法概览
11.
基于深度卷积神经网络的目标检测算法进展
12.
基于卷积特征融合的通用目标检测方法
13.
基于卷积神经网络的图像检测识别算法综述
14.
基于混合结构卷积神经网络的目标快速检测算法
15.
基于深度卷积神经网络的小目标检测算法
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
计算机技术与发展2022
计算机技术与发展2021
计算机技术与发展2020
计算机技术与发展2019
计算机技术与发展2018
计算机技术与发展2017
计算机技术与发展2016
计算机技术与发展2015
计算机技术与发展2014
计算机技术与发展2013
计算机技术与发展2012
计算机技术与发展2011
计算机技术与发展2010
计算机技术与发展2009
计算机技术与发展2008
计算机技术与发展2007
计算机技术与发展2006
计算机技术与发展2005
计算机技术与发展2004
计算机技术与发展2003
计算机技术与发展2002
计算机技术与发展2001
计算机技术与发展2018年第9期
计算机技术与发展2018年第8期
计算机技术与发展2018年第7期
计算机技术与发展2018年第6期
计算机技术与发展2018年第5期
计算机技术与发展2018年第4期
计算机技术与发展2018年第3期
计算机技术与发展2018年第2期
计算机技术与发展2018年第12期
计算机技术与发展2018年第11期
计算机技术与发展2018年第10期
计算机技术与发展2018年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号