基于深度学习的目标检测框架进展研究

• 作者: 寇大磊 张仲伟 权冀川
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 目标检测 卷积神经网络 计算机视觉
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 热点与综述
• 页码范围: 25-34
• 页数: 10页
• 分类号: TP183
• 字数: 8799字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1902-0254

摘要

在R-CNN框架提出后,基于深度学习的目标检测框架逐渐成为主流,可分为基于候选窗口和基于回归两类.近两年来,在Faster R-CNN、YOLO、SSD等经典的基于深度学习目标检测框架的基础上,出现了大量的优秀框架.根据优化方法对近几年提出的框架进行了梳理和总结.在PASCAL_VOC和MS COCO等主流测试集上对目标检测方法的性能及优缺点进行了对比分析.讨论了目标检测领域当前面临的困难与挑战,对可能的发展方向进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	寇大磊	陆军工程大学指挥控制工程学院	2	22	1.0	2.0
5	权冀川	陆军工程大学指挥控制工程学院	5	26	2.0	5.0
6	张仲伟	陆军工程大学指挥控制工程学院	1	22	1.0	1.0