典型文献
深度学习应用于目标检测中失衡问题研究综述
文献摘要：
目前手工提取特征进行目标检测的方案被深度学习所取代,深度学习技术极大地推动了目标检测技术的发展.目标检测也成为了深度学习最重要的应用领域之一.目标检测是同时预测给定图像中对象实例的类别和位置,这项技术已经广泛应用于医学影像、遥感技术、监控安防、自动驾驶等领域.但是随着深度学习技术的应用领域的多元化,目标检测中出现的失衡问题成为了目前优化目标检测训练模型的一个新的切入点.主要分析在运用机器学习技术解决目标检测问题过程中,模型在每个训练阶段会出现的四类失衡问题:数据失衡、尺度失衡、相对空间失衡以及分类与回归失衡.剖析问题产生的主要原因,研究具有代表性的经典解决方案,阐述目标检测在各个领域中存在的问题.通过对目标检测失衡问题的分析和总结,讨论未来目标检测失衡问题的研究方向.
文献关键词：
深度学习;目标检测;数据失衡;尺度失衡;相对空间失衡;分类与回归失衡
中图分类号：
作者姓名：
任宁;付岩;吴艳霞;梁鹏举;韩希
作者机构：
哈尔滨工程大学,哈尔滨 150001;黑龙江省自然资源技术保障中心,哈尔滨 150030
文献出处：
引用格式：
[1]任宁;付岩;吴艳霞;梁鹏举;韩希-.深度学习应用于目标检测中失衡问题研究综述)[J].计算机科学与探索,2022(09):1933-1953
A类：
监控安防,数据失衡,相对空间失衡,分类与回归失衡
B类：
学习应用,目标检测,失衡问题,提取特征,深度学习技术,医学影像,遥感技术,自动驾驶,优化目标,训练模型,机器学习技术,检测问题,训练阶段,四类,尺度失衡,经典解
AB值：
0.202119
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。
