文献类型：期刊文章

作　　者：李柯泉[1] 陈燕[1] 刘佳晨[2] 牟向伟[1]

LI Kequan;CHEN Yan;LIU Jiachen;MU Xiangwei(School of Maritime Economics and Management,Dalian Maritime University,Dalian,Liaoning 116026,China;School of Computer and Information Engineering,Hebei Finance University,Baoding,Hebei 071051,China)

机构地区：[1]大连海事大学航运经济与管理学院,辽宁大连116026 [2]河北金融学院信息工程与计算机学院,河北保定071051

出　　处：《计算机工程》

基　　金：教育部人文社会科学项目(18YJC630124);中央高校基本科研业务费专项资金(3132020241);辽宁省教育厅科技研究项目(L2014203);辽宁省社会科学规划基金(L14BGL012);大连海事大学教学改革项目(2020Y60)。

年　　份：2022

卷　　号：48

期　　号：7

起止页码：1-12

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：传统目标检测算法大多基于滑动窗口和人工特征提取,存在计算复杂度高和在复杂场景下鲁棒性差的缺点。近年来,研究人员将深度学习技术应用于目标检测领域,显著提高了算法性能。相比传统算法,基于深度学习的目标检测算法具有速度快、准确性高和在复杂条件下鲁棒性强的优点。从评价指标、公开数据集、传统算法框架等方面对目标检测任务进行阐述,按照是否存在显式的区域建议和是否定义先验锚框两种分类标准,对现有基于深度学习的目标检测算法进行分类,分别介绍算法的演进路线并总结算法机制、优势、局限性及适用场景。在此基础上,分析对比代表性算法在公开数据集中的表现,并对基于深度学习的目标检测的未来研究方向进行展望。

关 键 词：目标检测 深度学习  卷积神经网络 计算机视觉 特征提取

分 类 号：TP391.4]