基于深度学习的目标检测算法综述

来源：电子测量技术杂志2017年第11期北京时间：

作者：周晓彦

单位：南京信息工程大学江苏省气象探测与信息处理重点实验室 南京 210044

摘要：传统的目标检测算法及策略已经难以满足目标检测中数据处理的效率、性能、速度和智能化等各个方面要求。深度学习通过对大脑认知能力的研究和模仿以实现对数据特征的分析处理，具有强大的视觉目标检测能力，成为了当前目标检测的主流算法。首先回顾了传统目标检测的发展以及存在的问题；其次介绍以RCNN为代表的结合region proposal和卷积神经网络(CNN)分类的目标检测框架（RCNN、SPPNET、Fast RCNN、Faster RCNN）；然后介绍以YOLO算法为代表的将目标检测转换为回归问题的目标检测框架（YOLO、SSD）；最后对深度学习的目标检测算法存在的问题做出总结，以及未来的发展方向。

关键词：深度学习;卷积神经网络;目标检测

基金资助：国家自然科学基金(61201444)资助