典型文献
深度学习应用于遮挡目标检测算法综述
文献摘要：
遮挡目标检测长期以来是计算机视觉中的一个难点和研究热点.目前的深度学习基于卷积神经网络,将目标检测任务作为分类任务和回归任务来处理.当目标被遮挡时,遮挡物会混淆目标之间的特征,使得深度网络不能很好地识别和推理,降低检测器在理想场景下的性能.考虑到遮挡在现实中的普遍性,对遮挡目标的有效检测具有重要研究价值.为了进一步促进遮挡目标检测的发展,对基于深度学习的遮挡目标检测算法进行了全面总结,并对已有的遮挡检测算法进行归类、分析、比较.在对目标检测进行简单概述基础上,首先,对遮挡目标检测的相关背景、研究的难点以及遮挡数据集进行了介绍;然后,对遮挡检测优化算法主要按照目标结构、损失函数、非极大值抑制以及部分语义四方面进行归纳分析,在对各种算法之间的联系以及发展脉络进行阐述后,对各种算法性能进行了比较;最后,指出了遮挡目标检测仍面临的困难,并对遮挡目标检测未来的发展方向进行了展望.
文献关键词：
遮挡目标检测;深度学习;损失函数;非极大值抑制;部分语义
中图分类号：
作者姓名：
孙方伟;李承阳;谢永强;李忠博;杨才东;齐锦
作者机构：
军事科学院 系统工程研究院,北京 100141;北京大学 信息科学技术学院,北京 100871
文献出处：
引用格式：
[1]孙方伟;李承阳;谢永强;李忠博;杨才东;齐锦-.深度学习应用于遮挡目标检测算法综述)[J].计算机科学与探索,2022(06):1243-1259
A类：
B类：
学习应用,遮挡目标检测,目标检测算法,计算机视觉,分类任务,遮挡物,深度网络,检测器,有效检测,遮挡检测,目标结构,损失函数,非极大值抑制,部分语义,归纳分析,算法性能
AB值：
0.188157
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。
