科研之友
微信
新浪微博
Facebook
分享链接
摘要
遮挡目标检测长期以来是计算机视觉中的一个难点和研究热点。目前的深度学习基于卷积神经网络，将目标检测任务作为分类任务和回归任务来处理。当目标被遮挡时，遮挡物会混淆目标之间的特征，使得深度网络不能很好地识别和推理，降低检测器在理想场景下的性能。考虑到遮挡在现实中的普遍性，对遮挡目标的有效检测具有重要研究价值。为了进一步促进遮挡目标检测的发展，对基于深度学习的遮挡目标检测算法进行了全面总结，并对已有的遮挡检测算法进行归类、分析、比较。在对目标检测进行简单概述基础上，首先，对遮挡目标检测的相关背景、研究的难点以及遮挡数据集进行了介绍；然后，对遮挡检测优化算法主要按照目标结构、损失函数、非极大值抑制以及部分语义四方面进行归纳分析，在对各种算法之间的联系以及发展脉络进行阐述后，对各种算法性能进行了比较；最后，指出了遮挡目标检测仍面临的困难，并对遮挡目标检测未来的发展方向进行了展望。
- 单位
