基于深度卷积神经网络的目标检测算法进展

• 作者: 冯烨 吴晓富 张索非
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 目标检测 卷积神经网络 两阶段检测器 单阶段检测器
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 计算机与自动控制
• 页码范围: 72-80
• 页数: 9页
• 分类号: TP391.4|TN911.73
• 字数: 6517字
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2019.05.010

摘要

目标检测是计算视觉领域一个重要的研究方向,主要解决了图像中各种目标的分类和定位等视觉基本问题.由于近年来深度学习特别是深度卷积神经网络研究的兴起,各类基于神经网络的目标检测算法不断地刷新标准检测数据集的最好性能成绩.文中主要分析比较了几种目前主流的基于卷积神经网络的目标检测算法,包括各种两阶段检测器(RCNN,Fast RCNN,Faster RCNN,MaskRCNN,TridentNet)以及单阶段检测器(YOLO,SSD,CornerNet,ExtremeNet).文中首先介绍了评价目标检测算法常用的数据集以及对应的性能评价指标,然后对上述检测算法的具体实现方式逐一进行分析.最终,在几个检测数据集上我们对不同算法进行实验复现并综合比较了其性能.实验结果表明,主流的检测算法在速度以及性能方面各有侧重点,需要根据实际场景进行选择和权衡.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张索非	南京邮电大学物联网学院	16	61	4.0	7.0
2	吴晓富	南京邮电大学通信与信息工程学院	25	57	5.0	6.0
3	冯烨	南京邮电大学通信与信息工程学院	2	6	1.0	2.0