面向实时目标检测的Faster R?CNN 算法
2023-08-09曹宏徙
计算机应用文摘 2023年15期



摘 要:文章讨论了目标检测在计算机视觉领域中的重要性,并介绍了目标检测算法的 2 种主要类型:传统计算机视觉方法和基于深度学习的方法。随着深度学习技术的发展,基于深度学习的目标检测算法逐渐成为主流,并取得了较好的效果。然而,为进一步提高 Faster R-CNN 在目标检测方面的性能,文章结合鲸鱼优化算法对Faster R-CNN 网络进行优化,并使用 PASCAL VOC 2012数据集对网络性能进行测试。实验结果表明,基于鲸鱼优化算法的 Faster R-CNN 网络性能明显优于标准 Faster RCNN 网络。基于此,深度学习的目标检测算法将在未来有更广泛的应用和更好的效果。
关键词:Faster R-CNN;目标检测:实时性
中图法分类号:TP391文献标识码:A
1 引言
目标检测是计算机视觉领域的一项重要任务,其主要作用是在图像或视频中自动识别并定位感兴趣的目标物体。目标检测在许多应用中都具有重要作用,如自动驾驶、医学影像分析领域等。
现有的目标检测算法主要分为2 类:传统计算机视觉方法的算法和基于深度学习的算法。传统计算机视觉方法主要基于图像特征提取和分类器构建,如Haar 特征[1] 、HOG 特征[2] 、SIFT 特征[3] 等。而基于深度学习的算法主要基于卷积神经网络和其变种,如Faster R?CNN[4] 、YOLO[5] 等。随着深度学习技术的不断发展,基于深度学习的目标检测算法逐渐成为主流,并取得了较好的效果。这些算法不仅具有较高的检测准确率,还具有较快的检测速度,能够满足实时应用的需求。
随着技术的不断发展,其应用范围将会越来越广泛。……
登录APP查看全文
