作者:
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       
摘要:
随着计算机技术的进步,尤其是计算机硬件的快速发展,利用GPU去完成神经网络的计算变得越来越快.另外随着最近几年自动驾驶、安防监控,以及可行驶机器人等应用场景的落地,基于深度学习的目标检测算法变得越来越高效,准确.本文简介了目标检测算法的一般流程以及相关算法的核心原理,在自建的数据集上取得了不错的效果.
推荐文章
基于锚框的深度学习物体目标检测算法概览
深度学习
卷积神经网络
一阶段检测
二阶段检测
数据集
分类预测
位置回归
锚框
基于运动估计的运动物体检测技术研究
运动物体检测
运动估计
运动矢量
匹配误差
基于DM8168的遗留物体检测算法设计
DM8168
遗留物体检测
双背景
支持向量机
一种基于边缘图像的快速物体检测方法
物体检测
边缘模值
边缘方向
包围盒
得分
滑动窗
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 基于深度学习的物体检测
来源期刊 电子制作 学科
关键词 目标检测 实例分割 深度学习
年,卷(期) 2018,(20) 所属期刊栏目 软件开发
研究方向 页码范围 52-54
页数 3页 分类号
字数 2890字 语种 中文
DOI
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 张开昕 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (2)
同被引文献  (2)
二级引证文献  (3)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(4)
  • 引证文献(2)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
目标检测
实例分割
深度学习
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
电子制作
半月刊
1006-5059
11-3571/TN
大16开
北京市
1994
chi
出版文献量(篇)
22336
总下载数(次)
116
论文1v1指导