文献类型：期刊文章

作　　者：刘小波[1,2,3,4] 肖肖[1,2,3] 王凌[5] 蔡之华[6] 龚鑫[1,2,3] 郑可心[1,2,3]

LIU Xiao-Bo;XIAO Xiao;WANG Ling;CAI Zhi-Hua;GONG Xin;ZHENG Ke-Xin(School of Automation,China University of Geosciences,Wuhan 430074;Hubei Key Laboratory of Advanced Control and Intelligent Automation for Complex Systems,Wuhan 430074;Engineering Research Center of Intelligent Technology for Geo-Exploration,Ministry of Education,Wuhan 430074;Key Laboratory of Geological Survey and Evaluation of Ministry of Education,China University of Geosciences,Wuhan 430074;Department of Automation,Tsinghua University,Beijing 100084;School of Computer Science,China University of Geosciences,Wuhan 430074)

机构地区：[1]中国地质大学(武汉)自动化学院,武汉430074 [2]复杂系统先进控制与智能自动化湖北省重点实验室,武汉430074 [3]地球探测智能化技术教育部工程研究中心,武汉430074 [4]地质探测与评估教育部重点实验室,中国地质大学(武汉),武汉430074 [5]清华大学自动化系,北京100084 [6]中国地质大学(武汉)计算机学院,武汉430074

出　　处：《自动化学报》

基　　金：国家自然科学基金(61973285,62076226,61873249,61773355);地质探测与评估教育部重点实验室主任基金(GLAB2023ZR08)资助。

年　　份：2023

卷　　号：49

期　　号：7

起止页码：1369-1392

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EAPJ、EI、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：基于深度学习的目标检测方法是目前计算机视觉领域的热点,在目标识别、跟踪等领域发挥了重要的作用.随着研究的深入开展,基于深度学习的目标检测方法主要分为有锚框的目标检测方法和无锚框的目标检测方法,其中无锚框的目标检测方法无需预定义大量锚框,具有更低的模型复杂度和更稳定的检测性能,是目前目标检测领域中较前沿的方法.在调研国内外相关文献的基础上,梳理基于无锚框的目标检测方法及各场景下的常用数据集,根据样本分配方式不同,分别从基于关键点组合、中心点回归、Transformer、锚框和无锚框融合等4个方面进行整体结构分析和总结,并结合COCO(Common objects in context)数据集上的性能指标进一步对比.在此基础上,介绍了无锚框目标检测方法在重叠目标、小目标和旋转目标等复杂场景情况下的应用,聚焦目标遮挡、尺寸过小和角度多等关键问题,综述现有方法的优缺点及难点.最后对无锚框目标检测方法中仍存在的问题进行总结并对未来发展的应用趋势进行展望.

关 键 词：无锚框  关键点  中心点  TRANSFORMER 复杂场景  目标检测

分 类 号：TP391.41]