文献类型：期刊文章

作　　者：张索非[1] 冯烨[2] 吴晓富[2]

ZHANG Suofei;FENG Ye;WU Xiaofu(College of Internet of Things,Nanjing University of Posts and Telecommunications,Nanjing 210003,China;College of Telecommunications&Information Engineering,Nanjing University of Posts and Telecommunications,Nanjing 210003,China)

机构地区：[1]南京邮电大学物联网学院,江苏南京210003 [2]南京邮电大学通信与信息工程学院,江苏南京210003

出　　处：《南京邮电大学学报（自然科学版）》

基　　金：国家自然科学基金(61701252);江苏省高校自然科学研究(16KJB510032)资助项目

年　　份：2019

卷　　号：39

期　　号：5

起止页码：72-80

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：目标检测是计算视觉领域一个重要的研究方向,主要解决了图像中各种目标的分类和定位等视觉基本问题。由于近年来深度学习特别是深度卷积神经网络研究的兴起,各类基于神经网络的目标检测算法不断地刷新标准检测数据集的最好性能成绩。文中主要分析比较了几种目前主流的基于卷积神经网络的目标检测算法,包括各种两阶段检测器(RCNN,Fast RCNN,Faster RCNN,Mask RCNN,TridentNet)以及单阶段检测器(YOLO,SSD,CornerNet,ExtremeNet)。文中首先介绍了评价目标检测算法常用的数据集以及对应的性能评价指标,然后对上述检测算法的具体实现方式逐一进行分析。最终,在几个检测数据集上我们对不同算法进行实验复现并综合比较了其性能。实验结果表明,主流的检测算法在速度以及性能方面各有侧重点,需要根据实际场景进行选择和权衡。

关 键 词：目标检测 卷积神经网络 两阶段检测器  单阶段检测器  

分 类 号：TP391.4] TN911.73[计算机类]