基于锚框的深度学习物体目标检测算法概览

• 作者: 陈业红 姜国龙 褚云飞 张慧仪 张璐 吴朝军
• 来源期刊: 微电子学与计算机
• 关键词: 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
• 年，卷（期）: 2022,（7）
• 所属期刊栏目: 专题与综述
• 页码范围: 12-23
• 页数: 11页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.1340

摘要

将深度学习方法结合进目标检测算法突破了传统算法的性能瓶颈，成为计算机视觉领域一个热门的研究课题.本文对当下最流行的基于深度学习物体目标检测算法进行深入研究，得出一个整体认识，为目标检测应用系统开发的先进性与高效性提供有益的理论指导.沿着时间顺序梳理了深度卷积神经网络进入物体目标检测算法的发展过程，按照两阶段和一阶段实现对主要的算法划分两大类别；同时，参考是否采用锚框又分为基于锚框和非锚框的两种方式.围绕发展更成熟的基于锚框的检测系统详细探讨了算法的实现原理，并指出当前物体目标检测系统面临的难点问题和关键技术.最后，对物体目标检测算法发展的方向进行了展望.