基于候选区域的深度学习目标检测算法综述

近年来,人工智能技术已经成为当下最为火热的研究领域,各国政府也在积极出台政策促进人工智能技术的提升,随着硬件性能的提高和数据量的扩充,作为人工智能的感知智能的计算机视觉也得到飞速发展,其中基于深度卷积网络的目标检测算法在计算机视觉这一领域取得了令人瞩目的成绩。与传统目标检测算法相比,深度学习算法的通用性强,不需要很多套算法,获得的特征有很强的迁移能力,再加上工程开发、优化和维护的成本低和算法的精确度高,成为了目前目标检测的主流算法。简要介绍了人工智能、深度学习、计算机视觉、目标检测、传统目标检测算法和卷积神经网络的发展历程,概述了卷积神经网络的基本结构、卷积操作和池化操作,重点分析和综述了基于候选区域的深度学习目标检测算法R-CNN、SPP-net、Fast R-CNN、Faster R-CNN、Mask R-CNN及性能对比,讨论了基于深度学习的目标检测算法未来的研究方向。