基于深度卷積網絡的目標檢測技術綜述

胡金辰　王雨晨　蔣江紅　張鍥石

摘要：目前，基于計算機視覺分析的目標檢測技術已被廣泛研究并應用在眾多學科領域中。本文從卷積神經網絡結構（CNN）演化的角度，對基于深度卷積網絡的目標檢測技術進行分析、比較和總結。首先簡要介紹了基于CNN的目標檢測技術流程；其次重點分析和比較了以CNN為基礎的基于深度卷積網絡模型的目標檢測技術的發展，針對不同選擇的預處理方法進行分類、縱向和橫向對比；最后總結了目前研究中存在的問題，并對目標檢測技術未來發展進行了展望。

關鍵詞：目標檢測；卷積神經網絡；深度學習

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2018）04-0097-02

目標檢測技術是通過目標特征提取、分割等技術來確定圖像中目標物體具體位置的技術，隨著目標檢測技術的不斷發展，其內涵和范疇也在不斷豐富拓展。目前，針對目標檢測技術的研究引起了持續而普遍的關注，已成為計算機視覺領域中的研究熱點和難點。深度神經網絡模型通過模擬人腦的視覺感知系統，從輸入圖片中提取邊緣特征，并將邊緣特征逐層向上抽象傳遞，以此獲得更高級的特征。隨著深度神經網絡日趨火熱，深度學習模型也被廣泛應用于圖像識別領域，如目標分割、識別和檢測等問題。隨著模型的改進和算法的發展，基于卷積神經網絡（Convolutional Neural Network，CNN）的目標檢測技術突破了傳統算法的瓶頸，準確度和效率大幅提升，成為當前的主流算法。

1 基于卷積神經網絡的目標檢測系統技術流程