典型文献
基于深度学习的伪装目标检测综述
文献摘要：
基于深度学习的伪装目标检测(COD)是一项新兴的视觉检测任务,其目的是精确且高效地检测出"完美"嵌入周围环境中的伪装目标.目前大多数工作旨在构建不同的伪装目标检测模型,对现有模型的归纳总结及深入分析的综述性工作还很少.因此,对基于深度学习的伪装目标检测模型进行了全面分析和总结,并探讨了伪装目标检测未来的研究方向.首先对基于深度学习的23个伪装目标检测模型分别从由粗到细策略、多任务学习策略、置信感知学习策略、多源信息融合策略以及基于Transformer共5个角度进行了分类介绍,并对每种策略的优劣进行了深入分析;其次介绍了伪装目标检测广泛使用的4个数据集以及4种评估准则;然后对现有基于深度学习的伪装目标检测模型在4个数据集上进行了性能比较,包括定量比较、视觉比较和效率分析,并分析了这些模型对不同类型目标的检测效果;接着简单介绍了伪装目标检测在医学、工业、农业、军事、艺术等领域的应用;最后指出了现有方法在复杂场景、多尺度目标、实时性、实际应用需求、多模态等方面存在的不足和挑战,并探讨了伪装目标检测未来的研究方向.
文献关键词：
伪装目标检测(COD);深度学习;特征增强
中图分类号：
作者姓名：
史彩娟;任弼娟;王子雯;闫巾玮;石泽
作者机构：
华北理工大学 人工智能学院,河北 唐山 063210;河北省工业智能感知重点实验室,河北 唐山 063210
文献出处：
引用格式：
[1]史彩娟;任弼娟;王子雯;闫巾玮;石泽-.基于深度学习的伪装目标检测综述)[J].计算机科学与探索,2022(12):2734-2751
A类：
B类：
伪装目标检测,COD,视觉检测,周围环境,目标检测模型,现有模型,粗到细,多任务学习,学习策略,多源信息融合,融合策略,Transformer,评估准则,性能比较,定量比较,效率分析,检测效果,复杂场景,多尺度目标,应用需求,特征增强
AB值：
0.190221
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。
