陆 峰,刘华海,黄长缨,杨 艳,谢 禹,刘财喜3,

1(上海城投环境(集团)有限公司,上海 200331)

2(上海环境物流有限公司,上海 200333)

3(百工汇智(上海)工业科技有限公司,上海 201209)

4(上海宝信软件股份有限公司,上海 201203)

1 引言

目标检测是一种与计算机视觉和图像处理有关的计算机技术,用于检测数字图像和视频中特定类别的语义对象(例如人、建筑物或汽车等),其在视频安防,自动驾驶,交通监控,无人机场景分析和机器人视觉等领域有广阔的应用前景[1,2].近年来,由于卷积神经网络的发展和硬件算力提升,基于深度学习的目标检测取得了突破性的进展.目前,深度学习算法已在计算机视觉的整个领域得到广泛采用,包括通用目标检测和特定领域目标检测.大多数最先进的目标检测算法都将深度学习网络用作其骨干网和检测网络,分别从输入图像(或视频),分类和定位中提取特征.

本文将对基于深度学习的主流目标检测算法进行总结和比较.第2 节对卷积神经网络的发展做简要概述;第3 节对主流卷积神经网络进行分析和比较,总结算法性能以及优缺点;第4、5 节分别对基于候选区域和基于回归的目标检测算法深入分析,包括网络结构以及创新和改进;第6 节对典型的目标检测算法进行比较和总结;第7 节对目标检测算法的未来研究方向进行了思考和展望.

2 神经网络的发展

深度学习模型可以看作是为具有深度结构的神经网络.神经网络的历史可以追溯……