文献类型：期刊文章

作　　者：胡伏原[1,2,3] 李林燕[4] 尚欣茹[1,2,3] 沈军宇[1,2,3] 戴永良[5]

HU Fuyuan;LI Linyan;SHANG Xinru;SHEN Junyu;DAI Yongliang(School of Electronic&Information Engineering,SUST,Suzhou 215009,China;Suzhou Key Laboratory of Virtual Reality Intelligent Interaction and Application Technology,Suzhou 215009,China;Suzhou Key Laboratory of Big Data and Information Services,Suzhou 215009,China;Institute of Information Technology,Suzhou Institute of Trade&Commerce,Suzhou 215009,China;Kunshan Agricultural Information Center,Suzhou 215300,China)

机构地区：[1]苏州科技大学电子与信息工程学院,江苏苏州215009 [2]苏州市虚拟现实智能交互及应用技术重点实验室,江苏苏州215009 [3]苏州市大数据与信息服务重点实验室,江苏苏州215009 [4]苏州经贸职业技术学院信息技术学院,江苏苏州215009 [5]昆山市农业信息中心,江苏昆山215300

出　　处：《苏州科技大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61876121);江苏省重点研发计划项目(BE2017663);江苏省教育厅高等学校自然科学研究面上项目(19KJB520054);苏州经贸职业技术学院科研项目(KY-ZRA1805)。

年　　份：2020

卷　　号：37

期　　号：2

起止页码：1-10

语　　种：中文

收录情况：AJ、CAS、普通刊

摘　　要：针对基于卷积神经网络的目标检测算法的国内外发展现状进行综述。首先,回顾了传统目标检测算法的发展历程和算法尚存的问题。然后,简要阐述了基于卷积神经网络(CNN)的目标检测算法原理和优势,并根据算法处理目标分类和边框回归使用的解决思路不同,分别介绍了基于候选区域的多阶段目标检测算法和基于回归思想的一阶段检测算法;依据算法发展演变过程,对每个类别中若干经典算法的产生背景、解决问题和设计思路进行了描述。最后,在公开的MS COCO与Pascal VOC数据集上对算法检测效果进行对比分析,并对未来发展趋势进行展望。

关 键 词：计算机视觉 目标检测 深度学习  卷积神经网络

分 类 号：TP183]