-
题名基于两种分类标准的目标检测算法综述
被引量：7
- 1
-
-
作者
李平
喻洪流
-
机构
上海理工大学康复工程与技术研究所
长治医学院生物医学工程系
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第9期2582-2589,共8页
-
基金
国家自然科学基金资助项目(62073224)。
-
文摘
随着大数据、算力、深度学习的发展,基于深度学习的目标检测算法成为该领域主流算法,其性能远超传统算法。为了梳理算法发展脉络、跟踪最新研究成果、促进目标检测领域的研究,分别从两阶段/单阶段和anchor-based/anchor-free两个维度,对这两种不同分类标准下实现矩形框或近似矩形框标注的代表性目标检测算法进行综述,分析了算法流程、特点、演进及其性能,并对其重要改进版本进行了归类分析。最后总结了算法的优缺点、局限性及适用场景,并展望了未来目标检测领域的发展趋势,提出了几个重要的研究方向。
-
关键词
目标检测
深度卷积神经网络
两阶段
单阶段
anchor-based
anchor-free
-
Keywords
object detection
deep convolutional neural network
two-stage
one-stage
anchor-based
anchor-free
-
分类号
TP389.1
[自动化与计算机技术—计算机系统结构]
-
-
题名目标检测技术研究进展
- 2
-
-
作者
毛凯绩
-
机构
安徽省宿松县融媒体中心
-
出处
《中国宽带》
2021年第8期58-59,共2页
-
基金
北方民族大学研究生创新项目
项目编号:YCX20088。
-
文摘
目标检测(Object Detection)一直是计算机视觉和图像处理中的热点研究方向,它结合了图像识别和图像分割两种技术,在智能监控、机器人、工业检测、航空航天等多个领域得到了广泛的应用。通过使用计算机视觉技术,可以有效减少复杂繁重的人工劳动,具有重大现实意义。本文从目标检测算法是否生成anchor开始着手,分别对Anchor-based算法和Anchor-free算法进行介绍,分析总结各自的研究进展,为未来相关方向研究打下基础。
-
关键词
目标检测
计算机视觉
anchor-based
Anchor-free
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名地下建筑物抗浮锚杆设计的几个问题
被引量：2
- 3
-
-
作者
赖兴庭
朱泰儒
-
机构
厦门中建东北设计院
-
出处
《福建建设科技》
2006年第3期32-33,共2页
-
文摘
解决地下建筑物抗浮问题,抗浮锚杆的应用增多。介绍了抗浮锚杆的承载力计算和锚杆的截面计算,为地下建筑物抗浮验算提供参考。
-
关键词
地下建筑
抗浮
锚杆
截面计算
-
Keywords
basedment
anti - floating
anchor
-
分类号
TU94
[建筑科学—建筑技术科学]
-
-
题名深度学习目标检测方法及其主流框架综述
被引量：71
- 4
-
-
作者
段仲静
李少波
胡建军
杨静
王铮
-
机构
贵州大学现代制造技术教育部重点实验室
贵州大学机械工程学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2020年第12期51-66,共16页
-
基金
国家自然科学基金(51475097,91746116)
工信部资助项目(工信部联装[2016]213号)、贵州省科技计划(黔科合平台人才[2015]4011
+2 种基金
黔科合平台人才[2016]5103)
黔教合协同创新字[2015]002
贵州省研究生创新基金(黔教合YJSCXJH[2018]052)。
-
文摘
目标检测作为机器视觉中重要任务之一,是人工智能体系中一个具有重要研究价值的技术分支。对于卷积神经网络框架、anchor-based模型和anchor-free模型三个主流的目标检测模型进行梳理。首先,综述了主流卷积神经网络框架的网络结构、优缺点以及相关的改进方法;其次从one-stage和two-stage两个分支对anchor-based类模型进行深入分析,总结了不同目标检测方法的研究进展;从早期探索、关键点和密集预测三部分分析anchor-free类模型。最后对该领域的未来发展趋势进行了思考与展望。
-
关键词
图像处理
深度学习
目标检测
网络框架
anchor-based模型
anchor-free模型
-
Keywords
image processing
deep learning
object detection
network framework
anchor-based model
anchor-free model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
