基于深度学习的目标检测算法研究进展

目标检测是计算机视觉领域中一项十分重要的任务,指的是对图像或视频中的目标进行分类和定位,因其被广泛应用于视频检测、目标跟踪等任务中而受到关注。本文首先介绍了目标检测中经常使用的基准数据集和评估指标,同时列举说明了重要的主干网络架构和流行的目标检测算法。最后,我们比较了这些体系结构在多个指标上的性能,对所述算法进行了总结,并对未来前景进行了展望。

基于深度学习的轻量级目标检测网络综述

目标检测指的是在给定的图片中,找出我们想要关注的目标,比如行人、车辆、动物等实例对象,其在视频跟踪、人体姿态识别等复合任务中也至关重要。轻量级目标检测网络虽然舍弃部分精度,但仍足以应用在工业领域,同时因其检测速度较快,符合终端应用的实时性要求,因此受到了广泛的关注。本文列举介绍了近十年内的流行轻量级目标检测网络算法,并采取实验进行比较,最后作出总结并对未来前景进行了展望。