文献类型：期刊文章

作　　者：寇大磊[1,2] 权冀川[1] 张仲伟[1,3]

KOU Dalei;QUAN Jichuan;ZHANG Zhongwei(Command & Control Engineering College, Army Engineering University of PLA, Nanjing 210007, China;Unit 68023 of PLA, China;Unit 73671 of PLA, China)

机构地区：[1]陆军工程大学指挥控制工程学院,南京210007 [2]中国人民解放军68023部队 [3]中国人民解放军73671部队

出　　处：《计算机工程与应用》

年　　份：2019

卷　　号：55

期　　号：11

起止页码：25-34

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：在R-CNN框架提出后,基于深度学习的目标检测框架逐渐成为主流,可分为基于候选窗口和基于回归两类。近两年来,在Faster R-CNN、YOLO、SSD等经典的基于深度学习目标检测框架的基础上,出现了大量的优秀框架。根据优化方法对近几年提出的框架进行了梳理和总结。在PASCAL_VOC和MS COCO等主流测试集上对目标检测方法的性能及优缺点进行了对比分析。讨论了目标检测领域当前面临的困难与挑战,对可能的发展方向进行了展望。

关 键 词：深度学习  目标检测 卷积神经网络 计算机视觉

分 类 号：TP183]