文献类型：期刊文章

作　　者：邵延华[1] 张铎[1] 楚红雨[1] 张晓强[1] 饶云波[2]

SHAO Yanhua;ZHANG Duo;CHU Hongyu;ZHANG Xiaoqiang;RAO Yunbo(School of Information Engineering,Southwest University of Science and Technology,Mianyang 621010,China;University of Electronic Science&Technology of China,Chengdu 610054,China)

机构地区：[1]西南科技大学信息工程学院,绵阳621010 [2]电子科技大学,成都610054

出　　处：《电子与信息学报》

基　　金：国家自然科学基金(61601382);四川省科技计划(2019YJ0325,2020YFG0148,2021YFG0314)。

年　　份：2022

卷　　号：44

期　　号：10

起止页码：3697-3708

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：目标检测是计算机视觉领域的一个基础任务和研究热点。YOLO将目标检测概括为一个回归问题,实现端到端的训练和检测,由于其良好的速度-精度平衡,近几年一直处于目标检测领域的领先地位,被成功地研究、改进和应用到众多不同领域。该文对YOLO系列算法及其重要改进、应用进行了详细调研。首先,系统地梳理了YOLO家族及重要改进,包含YOLOv1-v4,YOLOv5,Scaled-YOLOv4,YOLOR和最新的YOLOX。然后,对YOLO中重要的基础网络,损失函数进行了详细的分析和总结。其次,依据不同的改进思路或应用场景对YOLO算法进行了系统的分类归纳。例如,注意力机制、3D、航拍场景、边缘计算等。最后,总结了YOLO的特点,并结合最新的文献分析可能的改进思路和研究趋势。

关 键 词：目标检测 YOLO  深度学习  卷积神经网络

分 类 号：TN911.73]