基于卷积神经网络的目标检测研究综述.pdf

基于卷积神经网络的目标检测研究综述
作者李旭冬, 叶茂, 李涛
机构电子科技大学机器人研究中心;河南广播电视大学信息工程系
发表期刊《计算机应用研究》
预排期卷 2017 年第 34 卷第 10 期
访问地址 icle/02-2017-10-
发布日期 2017-01-13 10:55:15
引用格式李旭冬, 叶茂, 李涛. 基于卷积神经网络的目标检测研究综述[J/OL]. [2017-01-13].
/article/02-2017-10-.
摘要随着训练数据的增加以及机器性能的提高,基于卷积神经网络的目标检测冲破了传统目标检测的
瓶颈,成为当前目标检测的主流算法。因此,研究如何有效地利用卷积神经网络进行目标检测具
有重要的价值。首先回顾了卷积神经网络如何解决传统目标检测中存在的问题;其次介绍了卷积
神经网络的基本结构,叙述了当前卷积神经网络的研究进展以及常用的卷积神经网络;然后重点
分析和讨论了两种应用卷积神经网络进行目标检测的思路和方法,指出了目前存在的不足;最后
总结了基于卷积神经网络的目标检测,以及未来的发展方向。
关键词卷积神经网络, 目标检测, 深度学****br/>中图分类号 TP183
基金项目国家自然科学基金资助项目(61375038)
优先出版计算机应用研究第 34 卷
基于卷积神经网络的目标检测研究综述*
李旭冬 1,叶茂 1,李涛 2
(,成都 611731;,郑州 450008)
摘要:随着训练数据的增加以及机器性能的提高,基于卷积神经网络的目标检测冲破了传统目标检测的瓶颈,成为当
前目标检测的主流算法。因此,研究如何有效地利用卷积神经网络进行目标检测具有重要的价值。首先回顾了卷积神经
网络如何解决传统目标检测中存在的问题;其次介绍了卷积神经网络的基本结构,叙述了当前卷积神经网络的研究进展
以及常用的卷积神经网络;然后重点分析和讨论了两种应用卷积神经网络进行目标检测的思路和方法,指出了目前存在
的不足;最后总结了基于卷积神经网络的目标检测,以及未来的发展方向。
关键词:卷积神经网络;目标检测;深度学****br/> 中图分类号:TP183
Review of object detection based on convolutional works
Li Xudong1, Ye Mao1, Li Tao2
(1. School puter Science & Engineering, University of Electronic Science & Technology of China, Chengdu 611731,
China; 2. Dept. of Information Engineering, Henan Radio & Television University, Zhengzhou 450008, China)
Abstract: With the increase of training data and the improvement of the performance p