文献类型：期刊文章

作　　者：刘卫光[1] 刘东[2] 王璐[2]

LIU Weiguang;LIU Dong;WANG Lu(School of Software,Zhongyuan University of Technology,Zhengzhou 450000,China;School of Computer,Zhongyuan University of Technology,Zhengzhou 451100,China)

机构地区：[1]中原工学院软件学院,郑州450000 [2]中原工学院计算机学院,郑州451100

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金(61772020)。

年　　份：2023

卷　　号：17

期　　号：7

起止页码：1549-1564

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、DOAJ、IC、JST、ZGKJHX、核心刊

摘　　要：近年来,随着深度学习的快速发展,可变形卷积网络因其强大的特征提取能力受到广泛关注,克服了卷积神经网络中难以解决的一些问题,并且已在计算机视觉、自然语言处理等相关领域发挥重要作用。由于目前对可变形卷积网络进行系统性总结的研究还很少,为了给后续研究提供详细的参考依据,对可变形卷积网络引入以来的相关工作进行总结。首先,综述了近几年的高质量文献,从不变性特征的角度入手,对可变形卷积网络中的可变形卷积和可变形感兴趣区域池化等核心技术进行介绍。然后,将收集到的相关文献按照研究领域的不同进行分类,全面概括现阶段可变形卷积网络在图像识别和分类、目标检测、图像分割、目标追踪等研究领域的应用情况,同时还对比了重要网络模型的性能和优缺点。其次,通过梳理文献,分析可变形卷积网络存在的优势和不足,并根据现阶段存在的一些问题,探讨可变形卷积网络未来可能的研究趋势。最后,基于不变性特征的提取对可变形卷积网络进行了总结和展望。

关 键 词：特征提取 可变形卷积  不变性特征 感兴趣区域

分 类 号：TP183]