基于迁移学习的类别级物体识别与检测研究与进展

• 作者: 庄严 张雪松 王伟 闫飞
• 来源期刊: 自动化学报
• 关键词: 迁移学习 物体识别 物体检测 小规模数据集 类不平衡数据集
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 综述
• 页码范围: 1224-1243
• 页数: 20页
• 字数: 19911字
• 语种: 中文
• DOI: 10.16383/j.aas.c180093

摘要

类别级物体识别与检测属于计算机视觉领域的一个基础性问题,主要研究在图像或视频流中识别和定位出其中感兴趣的物体.在基于小规模数据集的类别级物体识别与检测应用中,模型过拟合、类不平衡和跨领域时特征分布变化等关键问题与挑战交织在一起.本文介绍了迁移学习理论的研究现状,对迁移学习理论解决基于小规模数据集的物体识别与检测中遇到的主要问题的研究思路和前沿技术进行了着重论述和分析.最后对该领域的研究重点和技术发展趋势进行了探讨.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雪松	大连理工大学控制科学与工程学院	7	44	4.0	6.0
3	王伟	大连理工大学控制科学与工程学院	236	3358	26.0	48.0
4	庄严	大连理工大学控制科学与工程学院	24	776	11.0	24.0
7	闫飞	大连理工大学控制科学与工程学院	5	33	3.0	5.0