典型文献
深度学习典型目标检测算法的改进综述
文献摘要：
目标检测是机器视觉领域内最具挑战性的任务之一,深度学习则是目标检测最主流的实现方法.近年来,深度学习理论及技术的快速发展,使得基于深度学习的目标检测算法取得了巨大进展,学者从数据处理、网络结构、损失函数等多方面入手,提出了一系列对于目标检测算法的改进方式.针对典型目标检测算法的改进方式进行综述.归纳了常用数据集和性能评价指标,并对数据集的特点、优势及应用领域进行了对比.梳理了典型的基于深度学习的目标检测算法的最新改进思路,从数据增强、先验框选择、网络模型的构建、预测框的选取及损失计算几个方面分别进行论述、总结与对比分析.结合当前存在的问题,展望了基于深度学习的典型目标检测算法的未来研究方向.
文献关键词：
深度学习;目标检测;数据增强;网络结构;损失计算
中图分类号：
作者姓名：
王鑫鹏;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]王鑫鹏;王晓强;林浩;李雷孝;杨艳艳;孟闯;高静-.深度学习典型目标检测算法的改进综述)[J].计算机工程与应用,2022(06):42-57
A类：
B类：
目标检测算法,机器视觉,实现方法,深度学习理论,损失函数,改进方式,性能评价指标,优势及应用,改进思路,数据增强,先验框,框选,损失计算,未来研究方向
AB值：
0.255223
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。
