文献检索 期刊检索
您的位置:维普网 > 优先出版 > 《移动信息》 > 文献

基于深度学习的小目标检测方法

《移动信息》2022年 第04期 | 贾景鸿 苏州大学计算机科学与技术学院,江苏苏州215000

摘 要:小目标检测是计算机视觉领域发展的一个重要方向,有比较广泛的应用和良好的发展前景,随着人工智能技术的兴起,小目标检测的速度和精度也逐渐得到了提升。但是,由于小目标在图像中分辨率较低、面积占比较小、特征不显著等原因,现有的大部分目标检测方法对小目标检测的效果仍然欠佳,因此亟须专门针对提高小目标检测效果的方案进行研究。为了对小目标检测进行透彻分析,文章首先对常用的目标检测算法进行了梳理,然后以 YOLO 算法的更迭为基础,从联合训练、多尺度、特征上下文信息、先验框的设置、标签分类、聚类方法、目标检测网络结构、数据增强等方面全面地论述了提高小目标检测效果的方法,最后阐述了小目标检测领域目前面临的挑战、待优化方向并展望了小目标检测的未来发展前景,以供参考。

【分 类】 【工业技术】 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
【关键词】 小目标检测 目标检测 计算机视觉 深度学习 YOLO
【出 处】 《移动信息》2022年 第04期 181-183页 共3页
【收 录】 中文科技期刊数据库

【参考文献】
[1]高新波 , 莫梦竟成 , 汪海涛 , 等 . 小目标检测研究进展 [J]. 数据采集与处理 ,2021,36(3):391-417.[2]胡本川 , 张国宾 , 张建龙 , 等 . 基于改进 Kalman 滤波的可见光极小目标 TBD 跟踪方法 [J]. 数据采集与处理 ,2016,31(4):799-808.[3]李科岑 , 王晓强 , 林浩 , 等 . 深度学习中的单阶段小目标检测方法综述 [J].计算机科学与探索,2022,16(1):41-58.[4]赵鹏飞 , 谢林柏 , 彭力 . 融合注意力机制的深层次小目标检测算法 [J]. 计算机科学与探索 ,2022,16(4):927-937.[5]李一男 . 深度学习目标检测方法研究综述 [J].中国新通信 ,2021,23(9):159-160.[6]安胜彪 , 娄慧儒 , 陈书旺 ,等 . 基于深度学习的旋转目标检测方法研究进展 [J].电子测量技术 ,2021,44(21):168-178.[7]欧巧凤 , 肖佳兵 , 谢群群 ,等. 基于深度学习的车检图像多目标检测与识别 [J]. 应用科学学报 ,2021,39(6):939-951.

原文预览

来源期刊
移动信息 《移动信息》
《移动信息》创刊于1979年,深耕于数字通信、信息传播技术领域,公开发行,主要刊登计算机技术与应用、通信热点技术、信息教育、图书馆信息管理等内容,专注于更新...详细
相似文献