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:
由于小目标分辨率低、携带的信息少,现有基于深度学习的目标检测算法对小目标检测精度远远小于对大目标的检测精度.针对小目标检测精度问题,以基于深度学习的目标检测为切入点,系统总结了基于深度学习的目标检测代表算法,并以检测精度和检测速度为标准分析各种算法优缺点.将能有效提高小目标检测精度的方法进行分类汇总,介绍了各种方法的相关应用.针对目标检测及小目标检测存在的问题,对未来目标检测领域发展趋势进行了预测与展望.
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
基于深度学习的目标检测算法研究综述
目标检测
深度学习
计算机视觉
基于深度学习的单阶段目标检测算法研究综述
深度学习
单阶段目标检测算法
特征提取
特征融合
anchor
损失函数
人工智能
基于矢量小波的红外弱小目标检测算法研究
矢量小波
弱小目标
目标检测
红外图像
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 基于深度学习的小目标检测算法综述
来源期刊 软件导刊 学科 工学
关键词 目标检测 小目标 深度学习 RCNN SSD YOLO
年,卷(期) 2020,(5) 所属期刊栏目 研究综述
研究方向 页码范围 276-280
页数 5页 分类号 TP312
字数 5632字 语种 中文
DOI 10.11907/rjdk.191987
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 郭福亮 海军工程大学计算机与数据工程教研室 66 273 9.0 12.0
2 张新 海军工程大学计算机与数据工程教研室 1 0 0.0 0.0
3 梁英杰 海军工程大学舰船综合电力技术国防科技重点实验室 16 62 5.0 7.0
4 陈修亮 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (10)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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)
研究主题发展历程
节点文献
目标检测
小目标
深度学习
RCNN
SSD
YOLO
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
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导