典型文献
卷积神经网络目标检测方法比较及应用探讨
文献摘要：
图像目标检测技术中不同检测方法在目标物识别和检测方面存在较大的差异.以MS COCO数据集中的5类图像作为研究对象,采用R-CNN、Fast R-CNN和Fast R-CNN(FPN)等目标检测方法对训练集进行网络模型的训练和目标物检测.通过检测结果的精确率和耗时性进行算法性能分析.结果表明:Fast R-CNN比R-CNN算法精确率都提升3％-6％,且耗时最短.FPN算法能将Fast R-CNN算法对小目标的检测精确率提升12％,但是耗时会有所延长.
文献关键词：
MS COCO数据集;深度学习;卷积神经网络;目标检测
中图分类号：
作者姓名：
彭棉珠
作者机构：
仰恩大学,福建 泉州 362014
文献出处：
引用格式：
[1]彭棉珠-.卷积神经网络目标检测方法比较及应用探讨)[J].普洱学院学报,2022(06):44-46
A类：
B类：
目标检测方法,方法比较,应用探讨,图像目标检测,不同检测方法,COCO,Fast,FPN,训练集,精确率,算法性能,小目标
AB值：
0.258413
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。
