典型文献
基于锚框的深度学习物体目标检测算法概览
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
陈业红;姜国龙;褚云飞;张慧仪;张璐;吴朝军
作者机构：
齐鲁工业大学轻工学部制浆造纸科学与技术教育部重点实验室,山东济南250353;齐鲁工业大学轻工学部生物基材料与绿色造纸国家重点实验室,山东济南250353
文献出处：
引用格式：
[1]陈业红;姜国龙;褚云飞;张慧仪;张璐;吴朝军-.基于锚框的深度学习物体目标检测算法概览)[J].微电子学与计算机,2022(07):12-23
A类：
B类：
锚框,目标检测算法,概览,深度学习方法,传统算法,计算机视觉,研究课题,一个整,检测应用,应用系统开发,深度卷积神经网络,两阶段,两大类,两种方式,实现原理,发展的方向,一阶段检测,二阶段检测,分类预测,位置回归
AB值：
0.299065
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
