基于深度学习的目标检测算法综述

摘要：

　　深度学习通过对大脑认知能力进行研究和模仿实现对数据特征的分析处理,具有强大的视觉目标检测能力,成为了当前目标检测的主流算法。文中通过两部分对目标检测的算法进行解析：首先,介绍Girshick提出的以R-CNN为代表的结合Region Proposal和CNN分类的目标检测框架(R-CNN,SPP-NET,Fast R-CNN,Faster R-CNN)；然后,介绍了以YOLO为代表的将目标检测转换为回归问题的目标检测框架(YOLO,SSD)。最后,介绍了一些最新的目标检测算法的进展,并对深度学习的目标检测算法进行总结。

关键词： 深度学习 卷积神经网络 目标检测

作者: 郑伟成 李学伟 刘宏哲

作者单位: 北京联合大学北京市信息服务工程重点实验室 北京100101

会议类型: 国内会议

会议名称: 中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会

会议地点: 北京

会议语种:中文

页码: 5-8,28

在线出版日期: 2018-10-01（万方平台首次上网日期，不代表论文的发表时间）