计算机工程

作者：李柯泉, 陈燕, 刘佳晨, 牟向伟

单位：1. 大连海事大学 航运经济与管理学院, 辽宁大连 116026;2. 河北金融学院 信息工程与计算机学院, 河北保定 071051

关键词：目标检测,深度学习,卷积神经网络,计算机视觉,特征提取

基金：教育部人文社会科学项目（18YJC630124）；中央高校基本科研业务费专项资金（3132020241）；辽宁省教育厅科技研究项目（L2014203）；辽宁省社会科学规划基金（L14BGL012）；大连海事大学教学改革项目（2020Y60）。

传统目标检测算法大多基于滑动窗口和人工特征提取，存在计算复杂度高和在复杂场景下鲁棒性差的缺点。近年来，研究人员将深度学习技术应用于目标检测领域，显著提高了算法性能。相比传统算法，基于深度学习的目标检测算法具有速度快、准确性高和在复杂条件下鲁棒性强的优点。从评价指标、公开数据集、传统算法框架等方面对目标检测任务进行阐述，按照是否存在显式的区域建议和是否定义先验锚框两种分类标准，对现有基于深度学习的目标检测算法进行分类，分别介绍算法的演进路线并总结算法机制、优势、局限性及适用场景。在此基础上，分析对比代表性算法在公开数据集中的表现，并对基于深度学习的目标检测的未来研究方向进行展望。

来源：2022年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第7期