典型文献
深度学习中的单阶段小目标检测方法综述
文献摘要：
随着深度学习的不断发展,目标检测技术逐步从基于传统的手工检测方法向基于深度神经网络的检测方法转变.在众多基于深度学习的目标检测方法中,基于深度学习的单阶段目标检测方法因其网络结构较简单、运行速度较快以及具有更高的检测效率而被广泛运用.但现有的基于深度学习的单阶段目标检测方法由于小目标物体包含的特征信息较少、分辨率较低、背景信息较复杂、细节信息不明显以及定位精度要求较高等原因,导致在检测过程中对小目标物体的检测效果不理想,使得模型检测精度降低.针对目前基于深度学习的单阶段目标检测方法存在的问题,研究了大量基于深度学习的单阶段小目标检测技术.首先从单阶段目标检测方法的Anchor Box、网络结构、交并比函数以及损失函数等几个方面,系统地总结了针对小目标检测的优化方法;其次列举了常用的小目标检测数据集及其应用领域,并给出在各小目标检测数据集上的检测结果图;最后探讨了基于深度学习的单阶段小目标检测方法的未来研究方向.
文献关键词：
深度学习;单阶段目标检测;小目标检测
中图分类号：
作者姓名：
李科岑;王晓强;林浩;李雷孝;杨艳艳;孟闯;高静
作者机构：
内蒙古工业大学 信息工程学院,呼和浩特 010080;天津理工大学 计算机科学与工程学院,天津 300384;内蒙古工业大学 数据科学与应用学院,呼和浩特 010080;内蒙古农业大学 计算机与信息工程学院,呼和浩特 010011
文献出处：
引用格式：
[1]李科岑;王晓强;林浩;李雷孝;杨艳艳;孟闯;高静-.深度学习中的单阶段小目标检测方法综述)[J].计算机科学与探索,2022(01):41-58
A类：
B类：
小目标检测,目标检测方法,方法综述,法向,深度神经网络,单阶段目标检测,法因,运行速度,检测效率,特征信息,背景信息,细节信息,定位精度,精度要求,检测过程,检测效果,模型检测,检测精度,Anchor,Box,交并比,损失函数,检测数据集,未来研究方向
AB值：
0.20335
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。
