典型文献
基于深度学习的目标检测算法综述
文献摘要：
传统目标检测算法大多基于滑动窗口和人工特征提取,存在计算复杂度高和在复杂场景下鲁棒性差的缺点.近年来,研究人员将深度学习技术应用于目标检测领域,显著提高了算法性能.相比传统算法,基于深度学习的目标检测算法具有速度快、准确性高和在复杂条件下鲁棒性强的优点.从评价指标、公开数据集、传统算法框架等方面对目标检测任务进行阐述,按照是否存在显式的区域建议和是否定义先验锚框两种分类标准,对现有基于深度学习的目标检测算法进行分类,分别介绍算法的演进路线并总结算法机制、优势、局限性及适用场景.在此基础上,分析对比代表性算法在公开数据集中的表现,并对基于深度学习的目标检测的未来研究方向进行展望.
文献关键词：
目标检测;深度学习;卷积神经网络;计算机视觉;特征提取
中图分类号：
作者姓名：
李柯泉;陈燕;刘佳晨;牟向伟
作者机构：
大连海事大学航运经济与管理学院,辽宁大连116026;河北金融学院信息工程与计算机学院,河北保定071051
文献出处：
引用格式：
[1]李柯泉;陈燕;刘佳晨;牟向伟-.基于深度学习的目标检测算法综述)[J].计算机工程,2022(07):1-12
A类：
B类：
目标检测算法,滑动窗口,计算复杂度,复杂场景,深度学习技术,检测领域,算法性能,传统算法,复杂条件,公开数据集,显式,区域建议,先验,锚框,分类标准,别介,演进路线,结算法,算法机制,适用场景,分析对比,未来研究方向,计算机视觉
AB值：
0.354415
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。
