基于深度学习的目标检测算法综述

作者：李柯泉; 陈燕; 刘佳晨; 牟向伟^*

来源：计算机工程, 2022, 48(07): 1-12.

DOI：10.19678/j.issn.1000-3428.0062725

• 目标检测
• 深度学习
• 卷积神经网络
• 计算机视觉
• 特征提取

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。

• 单位
  河北金融学院; 大连海事大学