计算机视觉下的车辆目标检测算法综述

论文摘要

车辆目标检测是基于计算机视觉的目标检测领域的一个重要应用领域,近年来随着深度学习在图像分类方面取得的巨大进展,机器视觉技术结合深度学习方法的车辆目标检测算法逐渐成为该领域的研究重点和热点。介绍了基于机器视觉的车辆目标检测的任务、难点与发展现状,以及深度学习方法中几种具有代表性的卷积神经网络模型,通过这些网络模型衍生出的two stage、one stage车辆目标检测算法和用于模型训练的相关数据集与检测效果评价标准,对其存在的问题及未来可能的发展方向进行了讨论。

论文目录

• 1 引言
• 2 车辆目标检测的研究背景
•   2.1 车辆目标检测的关键任务
•   2.2 车辆目标检测的难点
•   2.3 车辆目标检测的发展现状
• 3 深度学习在车辆目标检测中的发展现状
•   3.1 卷积神经网络下的车辆目标检测算法
•     3.1.1 Le Net-5
•     3.1.2 Alex Net
•     3.1.3 VGG-16
•     3.1.4 Res Net
•     3.1.5 Inception
•   3.2 基于two stage方法的车辆目标检测
•     3.2.1 R-CNN
•     3.2.2 SPP-Net
•     3.2.3 Fast R-CNN
•     3.2.4 Faster R-CNN
•     3.2.5 R-FCN
•     3.2.6 Mask R-CNN
•   3.3 基于one stage方法的车辆目标检测
•     3.3.1 Over Feat
•     3.3.2 YOLO
•     3.3.3 SSD
• 4 数据集和评价标准
•   4.1 数据集
•   4.2 评价标准
• 5 总结与展望

文章来源

类型: 期刊论文

作者: 李明熹,林正奎,曲毅

关键词: 深度学习,计算机视觉,车辆检测,目标检测算法

来源: 计算机工程与应用 2019年24期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,计算机软件及计算机应用

单位: 大连海事大学信息科学技术学院

分类号: TP391.41;U495

页码: 20-28

总页数: 9

文件大小: 1656K

下载量: 2170