深度学习驱动下的目标检测研究进展综述

作     者：山显英 张琳 李泽慧 

作者机构：北京建筑大学电气与信息工程学院 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：北京市教育科学“十三五”规划重点课题(CHAA19081) 

主　　题：目标检测 卷积神经网络 单阶段 两阶段 目标检测应用 

摘      要：近年来，深度学习在GPU高性能计算能力的加持下得到了迅速推广，并在安防、医疗、工业等领域实现了广泛应用。目标检测模型的性能也在稳步提高，从传统的目标检测方法逐渐过渡到基于卷积神经网络（CNN）深度学习的进一步应用，极大地节省了人力物力。通过参考大量文献，按照两阶段脉络梳理了目标检测的发展历程以及近年深度学习在目标检测领域内的研究进展，对比了在不同数据集上模型网络的性能，总结不同方法的优势与不足，并对领域内重要数据集作了归纳，还对目标检测算法的落地效果做了总结，特别是生活与科技中的实际应用（无人驾驶、医学图像、遥感等）。最后，还对深度学习驱动下目标检测在未来研究上的机遇和挑战作了展望。