• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

    404 Not Found


    nginx
    404 Not Found

    404 Not Found


    nginx
    404 Not Found

    404 Not Found


    nginx
    404 Not Found

    404 Not Found


    nginx
    404 Not Found

    404 Not Found


    nginx
    404 Not Found

    404 Not Found


    nginx

    基于神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測技術(shù)研究綜述及應(yīng)用

    2019-01-08 03:16:09吳燕如珠杰管美靜
    電腦知識(shí)與技術(shù) 2019年33期
    關(guān)鍵詞:深度神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)視覺目標(biāo)檢測

    吳燕如 珠杰 管美靜

    摘要:隨著深度學(xué)習(xí)的快速發(fā)展,目標(biāo)檢測技術(shù)已經(jīng)越來越成熟。目前神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測技術(shù)已經(jīng)被廣泛應(yīng)用在行人檢測、自動(dòng)駕駛、視頻追蹤等領(lǐng)域。本文首先分析了目標(biāo)檢測技術(shù)的發(fā)展背景,介紹了神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程和目標(biāo)檢測中常用的卷積神經(jīng)網(wǎng)絡(luò)模型;其次分析了深度神經(jīng)網(wǎng)絡(luò)下的目標(biāo)檢測方法,指出現(xiàn)階段不同檢測方法存在的問題以及今后我們需要改進(jìn)的方向;最后對(duì)深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測技術(shù)進(jìn)行了總結(jié)和展望。

    關(guān)鍵詞:計(jì)算機(jī)視覺;目標(biāo)檢測;深度神經(jīng)網(wǎng)絡(luò)

    中圖分類號(hào):TP18 文獻(xiàn)標(biāo)識(shí)碼:A

    文章編號(hào):1009-3044(2019)33-0181-04

    1概述

    在研究過程中,計(jì)算機(jī)并不能像人一樣能夠直接感知到物體所屬類別以及所在位置。計(jì)算機(jī)視覺技術(shù)就是像人一樣來完成物體的及時(shí)定位,獲取位置,并進(jìn)行識(shí)別、分割的技術(shù)。在計(jì)算機(jī)視覺發(fā)展的早期,目標(biāo)檢測這一研究方向就激發(fā)了學(xué)者們濃厚的研究興趣。隨著計(jì)算機(jī)技術(shù)的發(fā)展,常見物體對(duì)象的檢測,根據(jù)不同對(duì)象的特征信息,能夠?qū)崿F(xiàn)目標(biāo)的定位、識(shí)別,像人臉檢測、行為檢測等一些特定目標(biāo)對(duì)象的檢測,現(xiàn)在已經(jīng)有較成熟的技術(shù)川。計(jì)算機(jī)在檢測過程中存在兩種需要解決的難題,一是多目標(biāo)對(duì)象的情形,二是前景和背景比較相似的情形,即使遇到這樣有難度的檢測對(duì)象,現(xiàn)階段也已經(jīng)有了有效的解決方法。

    目標(biāo)檢測通常是指對(duì)輸入的圖像根據(jù)其目標(biāo)對(duì)象的特征信息,首先畫出能夠把目標(biāo)對(duì)象完整圈在框內(nèi)的最小外接矩形;其次給矩形貼上類別標(biāo)簽;最后對(duì)物體的邊框進(jìn)行回歸。傳統(tǒng)的目標(biāo)檢測方法需要手動(dòng)提取檢測對(duì)象的特征,不可避免地會(huì)發(fā)生特征遺漏。此外,采用選擇性搜索生成候選區(qū)域,也增加了計(jì)算復(fù)雜度。

    當(dāng)傳統(tǒng)目標(biāo)檢測模型DPM的改進(jìn)無所適從的時(shí)候,深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法問世,該方法在數(shù)據(jù)量比較大的時(shí)候能夠自動(dòng)提取檢測對(duì)象的高層特征Cq,實(shí)現(xiàn)了在網(wǎng)絡(luò)中快速提取特征、選擇、分類和定位的完整操作,提高了目標(biāo)檢測的效率和準(zhǔn)確率。大量數(shù)據(jù)端到端的訓(xùn)練方式,迅速在目標(biāo)檢測領(lǐng)域流傳開來,傳統(tǒng)的目標(biāo)檢測也由此過渡到深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測技術(shù)上。

    2神經(jīng)網(wǎng)絡(luò)的發(fā)展

    2.1神經(jīng)網(wǎng)絡(luò)的發(fā)展

    神經(jīng)網(wǎng)絡(luò)是人類對(duì)神經(jīng)元的功能和網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行模擬,去完成認(rèn)知任務(wù)的一類機(jī)器學(xué)習(xí)算法。早在1943年,McCunoc等就提出了人工神經(jīng)網(wǎng)絡(luò)的概念,并闡述了它的邏輯運(yùn)算機(jī)制p)。約在1958年,Rosenblat模擬出“感知機(jī)”的神經(jīng)網(wǎng)絡(luò)模型,人工神經(jīng)網(wǎng)絡(luò)正式產(chǎn)生。1969年,《感知機(jī)》一書認(rèn)為感知機(jī)并不能解決線性不可分問題,這種觀念讓人工神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了停滯狀態(tài)。在低潮期間仍有部分研究者堅(jiān)持著神經(jīng)網(wǎng)絡(luò)的研究,1986年,Rummelhart等人再次提出了后向傳播的學(xué)習(xí)方法16);1998年,LeCun提出Let5網(wǎng)絡(luò),實(shí)現(xiàn)了手寫數(shù)字的識(shí)別。深度神經(jīng)網(wǎng)絡(luò)的再次復(fù)興離不開這些研究成果的積淀。

    2006年,Hinton首次提出深度神經(jīng)網(wǎng)絡(luò)的概念,實(shí)驗(yàn)采用含有多個(gè)隱藏層的網(wǎng)絡(luò)進(jìn)行訓(xùn)練,再用后向傳播算法學(xué)習(xí)網(wǎng)絡(luò)中的參數(shù)值。在這種情況下,深度神經(jīng)網(wǎng)絡(luò)的研究仍然不被大眾接受。直到在2012年的ImageNet圖像分類比賽中獲得冠軍,點(diǎn)燃了深度學(xué)習(xí)的熱潮,使得深度神經(jīng)網(wǎng)絡(luò)重新進(jìn)入復(fù)興時(shí)期。

    2.2神經(jīng)網(wǎng)絡(luò)基礎(chǔ)模型

    神經(jīng)網(wǎng)絡(luò)在圖像檢測過程中,首先輸入待檢測的數(shù)據(jù)集和檢測的結(jié)果,網(wǎng)絡(luò)在訓(xùn)練中自己學(xué)習(xí)參數(shù),然后模型可以達(dá)到能夠識(shí)別這一類圖像的目的,最后根據(jù)測試集的測試結(jié)果,對(duì)網(wǎng)絡(luò)的學(xué)習(xí)情況做出評(píng)價(jià)。在深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法中,基礎(chǔ)網(wǎng)絡(luò)采用卷積神經(jīng)網(wǎng)絡(luò)(CNN),在演化的過程中模型的網(wǎng)絡(luò)深度和結(jié)構(gòu)存在很大差異,但都屬于卷積神經(jīng)網(wǎng)絡(luò)的范疇。CNN的演化過程如圖1所示。

    1998年,Lecun提出Lenet5網(wǎng)絡(luò)。該模型作為最早的神經(jīng)網(wǎng)絡(luò)模型,但在網(wǎng)絡(luò)結(jié)構(gòu)和性能上并沒有特別的地方,直到AlexNet出現(xiàn),才真正成為深度神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)折點(diǎn)。

    2012年,Hinton等設(shè)計(jì)出AlextNet網(wǎng)絡(luò),同年在ImageNet比賽中獲得了圖像分類任務(wù)的冠軍,CNN首次實(shí)現(xiàn)Top-5誤差率降低了15.2%,標(biāo)志著深度學(xué)習(xí)的開始。該網(wǎng)絡(luò)結(jié)構(gòu)簡單,從可視化角度向我們展示了網(wǎng)絡(luò)各層的具體分工和實(shí)現(xiàn)效果。利用兩塊GPU進(jìn)行訓(xùn)練,首次引入ReLU激活函數(shù),解決梯度消失問題;然后引入最大池化,擴(kuò)大了感受野;最后是DropOut操作,有效避免了過擬合現(xiàn)象。為了探究網(wǎng)絡(luò)深度對(duì)模型精確度的影響,學(xué)者們設(shè)計(jì)出了VGGNet網(wǎng)絡(luò)。

    2014年,牛津大學(xué)計(jì)算機(jī)視覺組合和GooSe DeepMind公司研究員共同設(shè)計(jì)出了VGGNet網(wǎng)絡(luò),在了op-5上的錯(cuò)誤率僅為7.5%,在同年的ImageNet分類比賽中僅次于GoogLeNet。其主要思想是用兩個(gè)3*3卷積核代替原來5*5的卷積核,池化核的大小均為2*2,減少了參數(shù)數(shù)量。該模型增加了網(wǎng)絡(luò)深度,參數(shù)的數(shù)量并沒有增加太多,在圖像特征信息提取上取得了良好的效果。

    2014年,ChristianSzegedy提出GooLeNet網(wǎng)絡(luò),在Top-5上的錯(cuò)誤率降低到了6.67%,在同年的ImageNet比賽中獲得了分類冠軍叫。該網(wǎng)絡(luò)引入了Inception模塊,考慮了所有可能遇到的情況,網(wǎng)絡(luò)結(jié)構(gòu)趨于優(yōu)化,不需人為指導(dǎo)網(wǎng)絡(luò)訓(xùn)練過程,網(wǎng)絡(luò)自己根據(jù)學(xué)習(xí)情況設(shè)置參數(shù),不僅參數(shù)數(shù)量減少了12倍,而且大大提升了圖片分類的準(zhǔn)確率。但由于Inception模塊對(duì)超參數(shù)設(shè)置的局限性,影響了網(wǎng)絡(luò)的擴(kuò)展,因此就有了廣泛被作為基礎(chǔ)網(wǎng)絡(luò)的ResNet。

    2015年,He等提出了ResNet網(wǎng)絡(luò),在同年的ImageNet和COCO比賽中,分別獲得了圖像檢測、識(shí)別、分割領(lǐng)域的冠軍。該網(wǎng)絡(luò)的核心是跳層連接的方式,原始輸入信息直接傳到后面的層中,后面的層主要是學(xué)習(xí)上一個(gè)網(wǎng)絡(luò)的輸出殘差,降低了學(xué)習(xí)難度。該網(wǎng)絡(luò)深度增加至152層,參數(shù)沒有額外增加,不改變網(wǎng)絡(luò)訓(xùn)練復(fù)雜度,較好地解決了網(wǎng)絡(luò)深度較深的情況下準(zhǔn)確率不增加反而下降、梯度消失和爆炸的難題。

    3神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測模型分類

    目前,神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測已經(jīng)有多種模型,按照是否需要提取候選區(qū)域可以將模型分為兩類,一類是基于區(qū)域提名的模型,另一類是不用區(qū)域提名的模型。深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測模型進(jìn)化過程如圖2所示。

    3.1基于域名提名的模型

    目標(biāo)檢測中基于區(qū)域提名的模型主要有R-CNN、SPP-net、Fast R-CNN、Faster R-CNN、R-FCN,這一類模型的訓(xùn)練屬于多階段的訓(xùn)練,訓(xùn)練模型的時(shí)候首先需要找出感興趣的候選區(qū)域,常用到的方式有滑動(dòng)窗口、規(guī)則塊、選擇性搜索等,實(shí)驗(yàn)過程中要根據(jù)自己的研究對(duì)象選擇合適的方法。

    2013年,Ross B.Girshick提出R-CNN網(wǎng)絡(luò),該模型是首個(gè)用域名命名的深度神經(jīng)網(wǎng)絡(luò)檢測模型。該網(wǎng)絡(luò)在訓(xùn)練中使用標(biāo)注好的數(shù)據(jù)集進(jìn)行訓(xùn)練,大幅提升了數(shù)據(jù)集的平均精度,由于輸入圖片必須是相同尺寸,圖片需要經(jīng)過拉伸或者壓縮進(jìn)行轉(zhuǎn)換,候選區(qū)域要進(jìn)行重復(fù)的特征計(jì)算,時(shí)間消耗比較大,數(shù)據(jù)集的測試也比較緩慢。

    2015年,Hc對(duì)R-CNN做出改進(jìn)并提出了SPP-Net網(wǎng)絡(luò)。該網(wǎng)絡(luò)對(duì)輸入圖片的所有區(qū)域做共享卷積計(jì)算,提取出所有區(qū)域的特征,通過引入空間金字塔池化,實(shí)現(xiàn)不同尺寸區(qū)域的特征提取。該模型主要解決了R-CNN固定輸入尺寸的問題,仍然是一個(gè)復(fù)雜的多階段訓(xùn)練,需要存儲(chǔ)大量圖像特征,同時(shí)網(wǎng)絡(luò)在金字塔池化層之前的所有卷積層參數(shù)不能進(jìn)行finetun-ing,并沒有實(shí)現(xiàn)誤差反向傳播。

    2015年,Ross Girshiek提出了Fast R-CNN網(wǎng)絡(luò)。該網(wǎng)絡(luò)對(duì)R-CNN進(jìn)行改進(jìn),同時(shí)也采納了SPP-Net的方法,解決了候選區(qū)域重復(fù)的特征計(jì)算問題,實(shí)現(xiàn)了大量數(shù)據(jù)端到端單階段的訓(xùn)練,不需要離線存儲(chǔ)特征文件。Fast R-CNN是一種速度更快、性能更好的模型,但提取候選區(qū)域采用的還是傳統(tǒng)做法,限制了它的使用。同年,Hc等人提出了Faster R-CNN檢測算法,該算法實(shí)現(xiàn)用區(qū)域建議網(wǎng)絡(luò)提取候選區(qū)域,提取出的建議區(qū)域大大減少。使用RPN網(wǎng)絡(luò)提取出建議區(qū)域后,剩下的訓(xùn)練過程和Fast R-CNN一樣。Fast R-CNN在速度上有了很大提升,然而還是未能實(shí)現(xiàn)物體的實(shí)時(shí)檢測。

    Faster R-CNN網(wǎng)絡(luò)改進(jìn)之后產(chǎn)生了R-FCN,目的是解決Faster R-CNN檢測速度慢的問題,其主要是因?yàn)楦信d趣池化層后的結(jié)構(gòu)對(duì)建議區(qū)域沒有實(shí)現(xiàn)共享叫。R-FCN在池化層前加入位置信息,較好的解決位置敏感性問題。該網(wǎng)絡(luò)具有較深的共享卷積網(wǎng)絡(luò)層,能夠獲取到更加抽象的高層特征,其檢測速度比Faster R-CNN快2.5-20倍,但仍未能實(shí)現(xiàn)物體的實(shí)時(shí)檢測。于是,基于回歸思想的檢測方法就應(yīng)運(yùn)而生。

    3.2不基于域名提名模型

    區(qū)域卷積神經(jīng)的模型都需要生成建議區(qū)域,這會(huì)帶來重復(fù)的特征計(jì)算問題。因此,學(xué)者們提出了不基于域名提名的目標(biāo)檢測方法,目標(biāo)檢測方法也由多階段的訓(xùn)練過渡到單階段的訓(xùn)練,訓(xùn)練過程很大限度地得到簡化。目前,不基于域名提名的網(wǎng)絡(luò)模型有YOLO、SSD。

    2015年,在Faster R-CNN問世的同時(shí),Ross Girshick等人又提出了YOLO檢測方法,是首個(gè)不需要提取候選區(qū)域的算法。該算法采用回歸的思想,每張圖像只需要看一眼就能知道有哪些物體類別以及所在的位置。該算法從整體進(jìn)行預(yù)測,通過卷積神經(jīng)網(wǎng)絡(luò)能夠直接預(yù)測出boundingbox的定位置信度以及所屬類別概率。由實(shí)驗(yàn)可知,YOLO檢測過程簡單,檢測速度和準(zhǔn)確度較高,但對(duì)密集小物體的檢測效果欠佳,容易發(fā)生物體定位錯(cuò)誤。

    2016年,Liu提出SSD網(wǎng)絡(luò),目前已經(jīng)成為主流的目標(biāo)檢測方法之一。該算法不但借鑒了YOLO回歸的思想用CNN提取出不同尺度的特征圖直接進(jìn)行檢測(Yolo是在全連接層之后做檢測),而且采用FasterR-CNN中的anchor機(jī)制,降低了訓(xùn)練難度。該網(wǎng)絡(luò)和FasterR-CNN有著同樣的檢測精確度,與YO-LO一樣有著較快的檢測速度,對(duì)于小物體的檢測效果相比YO-LO有所提升。深度神經(jīng)網(wǎng)絡(luò)領(lǐng)域目標(biāo)檢測各模型性能對(duì)比如表1所示。

    上述表1展示了兩類不同的神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測方法的性能指標(biāo),從各項(xiàng)性能指標(biāo)可以看出由兩階段的訓(xùn)練到端到端的訓(xùn)練過程,訓(xùn)練的平均精度有了很大的提升,每秒處理圖像的幀數(shù)也大幅增加,訓(xùn)練速度也是愈來愈快。由實(shí)驗(yàn)可知,F(xiàn)asterR-CNN對(duì)小物體的檢測效果還是比較樂觀的,SSD網(wǎng)絡(luò)的訓(xùn)練速度最快,而YOLO則是融合了兩者的特點(diǎn),速度上要比FasterR-CNN快,對(duì)于小物體的檢測要比SSD遜色。在未來的發(fā)展中,待提出的網(wǎng)絡(luò)模型不但要能夠適應(yīng)各種尺寸的物體檢測,而且要有較高的識(shí)別率和更快的檢測速度。

    4神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法存在的問題

    目前深度神經(jīng)網(wǎng)絡(luò)技術(shù)發(fā)展迅速,在圖像、語音、自然語言處理等領(lǐng)域都取得了可喜的成績,這些成果離不開硬件處理單元GPU的快速改進(jìn),提升了計(jì)算機(jī)處理圖像的能力。深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測技術(shù)作為一項(xiàng)發(fā)展中的技術(shù),目前還存在一些急待解決的問題。

    4.1數(shù)據(jù)集標(biāo)注的問題

    在深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)模型中,我們需要使用標(biāo)注過的數(shù)據(jù)集進(jìn)行訓(xùn)練。在大型的視覺類比賽中常用到的公開數(shù)據(jù)集有PASCALVOC、ImageNet、MS COCO等,但對(duì)于不同模型,數(shù)據(jù)集標(biāo)注格式不同,需要我們足夠熟悉各種模型的數(shù)據(jù)集標(biāo)注格式,快速實(shí)現(xiàn)不同類型的標(biāo)注數(shù)據(jù)集之間的轉(zhuǎn)換。當(dāng)數(shù)據(jù)集大小適中的情況下,深度神經(jīng)網(wǎng)絡(luò)方法能夠?qū)颖緶?zhǔn)確定位并分類;當(dāng)數(shù)據(jù)集較大的時(shí)候,人工標(biāo)注數(shù)據(jù)的工作量也不容樂觀,增加了數(shù)據(jù)標(biāo)注成本。然而,在深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中,若數(shù)據(jù)集太小則會(huì)引起數(shù)據(jù)擬合問題,不利于模型的實(shí)現(xiàn)。因此,深度神經(jīng)網(wǎng)絡(luò)方法在小數(shù)據(jù)集上的應(yīng)用,將是一個(gè)急待解決的問題。

    4.2硬件處理單元的改進(jìn)問題

    在深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中,不需要人工手動(dòng)提取出目標(biāo)對(duì)象的特征,網(wǎng)絡(luò)能夠自動(dòng)提取出目標(biāo)對(duì)象的特征,并對(duì)其進(jìn)行分類和定位。在數(shù)據(jù)集較大的情況下,特征提取、特征計(jì)算問題也愈加繁雜,普通計(jì)算機(jī)的CPU處理器已經(jīng)不能滿足網(wǎng)絡(luò)訓(xùn)練需要的計(jì)算能力。由英偉達(dá)公司開發(fā)的高性能顯卡,實(shí)現(xiàn)了GPU硬件環(huán)境的搭建,在同種模型的訓(xùn)練中有效提升了神經(jīng)網(wǎng)絡(luò)訓(xùn)練的效率,顯著減少了網(wǎng)絡(luò)訓(xùn)練需要的時(shí)間。在未來的研究中,我們可能開發(fā)出更加深層次的網(wǎng)絡(luò)結(jié)構(gòu),用其訓(xùn)練大量更加復(fù)雜的目標(biāo)對(duì)象,這一訓(xùn)練的實(shí)現(xiàn)也依賴于計(jì)算機(jī)的計(jì)算能力,有效升級(jí)計(jì)算機(jī)硬件處理單元是我們需要努力改進(jìn)的地方。

    4.3目標(biāo)檢測模型的進(jìn)化問題

    在傳統(tǒng)的目標(biāo)檢測方法中,研究者根據(jù)特定目標(biāo)對(duì)象的特征設(shè)計(jì)出特定的檢測器,比如:Harr特征、梯度方向直方圖(HOG)、支持向量機(jī)(SVM)、多尺度形變部件(DPM)等,這些檢測器都需要人為的提取出目標(biāo)對(duì)象的特征,不可避免地會(huì)發(fā)生特征遺漏,影響最終的檢測效果。自2013年問世的深度神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測模型,能夠自動(dòng)提取出目標(biāo)對(duì)象的特征,在計(jì)算機(jī)視覺領(lǐng)域已經(jīng)得到了良好的應(yīng)用。

    目前深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法分為兩類,一類是基于域名提名的多階段訓(xùn)練模型;另一類是不基于域名提名的單階段訓(xùn)練模型?,F(xiàn)階段這兩類方法主要適用于普通物體檢測,對(duì)于文本、版面等對(duì)象的檢測效果不是很理想。這主要是因?yàn)槲矬w本身具有封閉性、均勻性,文本、版面則是開放的,往往都是扁寬的形狀,文本的縱橫比也不盡相同,文字也呈現(xiàn)出水平、豎直、傾斜的方向。研究者需要根據(jù)自身實(shí)踐經(jīng)驗(yàn),調(diào)整模型的參數(shù),讓模型也能夠適應(yīng)文本等不均勻目標(biāo)對(duì)象的檢測。

    此外,現(xiàn)有的深度神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測方法對(duì)于小物體的檢測和存在遮擋的物體檢測效果還不是很理想。盡管學(xué)者們也對(duì)此類問題提出了不同的解決方法,但還沒有足夠的理論依據(jù)去解釋這一類問題。研究者需要加強(qiáng)自身理論的學(xué)習(xí),從理論角度深刻理解并改進(jìn)這一類問題,關(guān)于模型的進(jìn)化也是未來需要解決的問題。

    5總結(jié)和展望

    本文回顧了目標(biāo)檢測的發(fā)展歷程,引出了神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測技術(shù)。簡單介紹了神經(jīng)網(wǎng)絡(luò)發(fā)展歷程、基礎(chǔ)網(wǎng)絡(luò)的演化,分析了現(xiàn)階段神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法各自的優(yōu)缺點(diǎn)以及模型所能解決的問題。隨著計(jì)算機(jī)硬件GPU和深度神經(jīng)網(wǎng)絡(luò)的發(fā)展,神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測技術(shù)逐漸成熟,在計(jì)算機(jī)視覺領(lǐng)域已經(jīng)有了較為成功的應(yīng)用。雖然目前已經(jīng)取得了一些成績,但仍存在一些應(yīng)用方面的問題。在未來的研究中,深度神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測領(lǐng)域的應(yīng)用也將會(huì)更加成熟,對(duì)復(fù)雜的研究對(duì)象的精確度和速度的提升面臨突破,也將會(huì)有高層次領(lǐng)域的應(yīng)用。

    猜你喜歡
    深度神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)視覺目標(biāo)檢測
    試論基于深度神經(jīng)網(wǎng)絡(luò)的汽車車型識(shí)別問題
    深度神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀
    視頻中目標(biāo)檢測算法研究
    軟件(2016年4期)2017-01-20 09:38:03
    行為識(shí)別中的人體運(yùn)動(dòng)目標(biāo)檢測方法
    機(jī)器視覺技術(shù)發(fā)展及其工業(yè)應(yīng)用
    危險(xiǎn)氣體罐車液位計(jì)算機(jī)視覺監(jiān)控識(shí)別報(bào)警系統(tǒng)設(shè)計(jì)
    計(jì)算機(jī)視覺在交通領(lǐng)域的應(yīng)用
    基于計(jì)算機(jī)視覺的細(xì)小顆粒團(tuán)重量測量的研究
    基于深度神經(jīng)網(wǎng)絡(luò)的身份識(shí)別研究
    移動(dòng)機(jī)器人圖像目標(biāo)識(shí)別
    404 Not Found

    404 Not Found


    nginx
    404 Not Found

    404 Not Found


    nginx
    404 Not Found

    404 Not Found


    nginx
    404 Not Found

    404 Not Found


    nginx
    404 Not Found

    404 Not Found


    nginx
    日日啪夜夜撸| 国产 一区 欧美 日韩| 2022亚洲国产成人精品| 一区二区三区免费毛片| 深夜a级毛片| 久久精品久久久久久久性| 黑人高潮一二区| 97在线人人人人妻| 我要看日韩黄色一级片| 黑丝袜美女国产一区| 秋霞在线观看毛片| 欧美极品一区二区三区四区| 免费观看在线日韩| 国产v大片淫在线免费观看| 久久久国产一区二区| 18+在线观看网站| 亚洲aⅴ乱码一区二区在线播放| 一边亲一边摸免费视频| 国产高潮美女av| 久久99热6这里只有精品| 国产精品人妻久久久影院| kizo精华| 国产成人a∨麻豆精品| 日产精品乱码卡一卡2卡三| 午夜免费观看性视频| 少妇人妻久久综合中文| 成人免费观看视频高清| 97在线人人人人妻| 麻豆乱淫一区二区| 日韩大片免费观看网站| 亚洲最大成人中文| 日本爱情动作片www.在线观看| 26uuu在线亚洲综合色| 欧美三级亚洲精品| 久久精品国产亚洲av天美| 丰满迷人的少妇在线观看| 五月伊人婷婷丁香| 日本-黄色视频高清免费观看| 超碰97精品在线观看| 中国美白少妇内射xxxbb| 2018国产大陆天天弄谢| 国产免费一级a男人的天堂| 日日摸夜夜添夜夜添av毛片| 少妇猛男粗大的猛烈进出视频| 精品国产露脸久久av麻豆| 国产无遮挡羞羞视频在线观看| 日日撸夜夜添| 久久热精品热| videos熟女内射| 日韩欧美精品免费久久| 精品国产乱码久久久久久小说| 免费大片黄手机在线观看| 国产高清有码在线观看视频| 亚洲熟女精品中文字幕| 日韩国内少妇激情av| 精品午夜福利在线看| 亚洲人成网站在线观看播放| 99热6这里只有精品| 国产一区二区三区av在线| 成人午夜精彩视频在线观看| 三级国产精品片| 一本久久精品| 一级毛片久久久久久久久女| 一本—道久久a久久精品蜜桃钙片| 另类亚洲欧美激情| 欧美一级a爱片免费观看看| 美女内射精品一级片tv| av免费在线看不卡| 日日啪夜夜撸| 亚洲av二区三区四区| 亚洲丝袜综合中文字幕| 久久久久久久大尺度免费视频| 超碰av人人做人人爽久久| freevideosex欧美| 欧美+日韩+精品| 一区二区三区免费毛片| 国产免费福利视频在线观看| av黄色大香蕉| 国产老妇伦熟女老妇高清| 成人影院久久| 1000部很黄的大片| 亚洲国产日韩一区二区| 午夜免费观看性视频| 亚洲美女搞黄在线观看| 成人亚洲欧美一区二区av| 亚洲aⅴ乱码一区二区在线播放| 国产永久视频网站| 久久久欧美国产精品| 麻豆乱淫一区二区| 在线观看免费日韩欧美大片 | 国产片特级美女逼逼视频| 一个人看视频在线观看www免费| 国产免费一区二区三区四区乱码| 国产真实伦视频高清在线观看| 久久av网站| 久久久久久久大尺度免费视频| 亚洲av不卡在线观看| 晚上一个人看的免费电影| 日日摸夜夜添夜夜爱| 日韩国内少妇激情av| 欧美高清性xxxxhd video| 夜夜骑夜夜射夜夜干| 亚洲av电影在线观看一区二区三区| 伊人久久精品亚洲午夜| 久久久久久久大尺度免费视频| 日韩欧美精品免费久久| 国产成人免费无遮挡视频| 丰满迷人的少妇在线观看| 国内揄拍国产精品人妻在线| 久久热精品热| 亚洲aⅴ乱码一区二区在线播放| 日本与韩国留学比较| 一个人看视频在线观看www免费| 亚洲不卡免费看| 丰满少妇做爰视频| 十分钟在线观看高清视频www | 天天躁夜夜躁狠狠久久av| 国产乱来视频区| 国产成人免费无遮挡视频| 深爱激情五月婷婷| 又粗又硬又长又爽又黄的视频| 国产女主播在线喷水免费视频网站| 在线精品无人区一区二区三 | 三级国产精品片| 99久国产av精品国产电影| 激情五月婷婷亚洲| 最黄视频免费看| 精品国产乱码久久久久久小说| 街头女战士在线观看网站| 18+在线观看网站| 我要看黄色一级片免费的| 久久久国产一区二区| 日本午夜av视频| 我的老师免费观看完整版| 国产伦在线观看视频一区| 国产av国产精品国产| 色婷婷av一区二区三区视频| 乱系列少妇在线播放| 成人漫画全彩无遮挡| 国产亚洲午夜精品一区二区久久| 久久久久视频综合| 身体一侧抽搐| 国产欧美日韩精品一区二区| 麻豆精品久久久久久蜜桃| 99久久中文字幕三级久久日本| av国产免费在线观看| 一级毛片 在线播放| 亚洲国产欧美人成| 男的添女的下面高潮视频| av在线app专区| 久热久热在线精品观看| av在线app专区| 国产成人午夜福利电影在线观看| 极品教师在线视频| 欧美丝袜亚洲另类| 狂野欧美激情性xxxx在线观看| 日韩中字成人| 日本-黄色视频高清免费观看| 人妻制服诱惑在线中文字幕| 日日摸夜夜添夜夜添av毛片| 国产大屁股一区二区在线视频| 91精品国产九色| 国产淫片久久久久久久久| 超碰av人人做人人爽久久| 国产高潮美女av| 久久久成人免费电影| 在线精品无人区一区二区三 | 免费看日本二区| 欧美成人a在线观看| 亚洲av男天堂| 日韩大片免费观看网站| 美女国产视频在线观看| 免费大片黄手机在线观看| 国产免费又黄又爽又色| 美女高潮的动态| 日韩欧美精品免费久久| 搡老乐熟女国产| 99热网站在线观看| 国产黄频视频在线观看| 永久免费av网站大全| 高清午夜精品一区二区三区| 三级经典国产精品| 亚洲成人手机| 国产淫片久久久久久久久| 国产淫片久久久久久久久| 一区二区三区乱码不卡18| 国产中年淑女户外野战色| 欧美高清性xxxxhd video| 国产伦精品一区二区三区四那| 免费黄频网站在线观看国产| 国产美女午夜福利| 免费观看的影片在线观看| 久久精品久久精品一区二区三区| 国产精品久久久久久精品电影小说 | 午夜日本视频在线| 亚洲成色77777| 少妇高潮的动态图| 五月开心婷婷网| 精品亚洲成国产av| 国产成人精品一,二区| 久久久久久久久久成人| 亚洲第一区二区三区不卡| 久久99精品国语久久久| 中文欧美无线码| 国产精品成人在线| 色婷婷av一区二区三区视频| 99久久中文字幕三级久久日本| 夫妻午夜视频| 日本一二三区视频观看| 欧美成人精品欧美一级黄| av专区在线播放| 久久国产精品男人的天堂亚洲 | 色哟哟·www| 91久久精品国产一区二区成人| 国产亚洲午夜精品一区二区久久| 成人漫画全彩无遮挡| 少妇猛男粗大的猛烈进出视频| 国内精品宾馆在线| 建设人人有责人人尽责人人享有的 | 啦啦啦中文免费视频观看日本| 性色avwww在线观看| 热99国产精品久久久久久7| 最近2019中文字幕mv第一页| 97在线人人人人妻| 国产免费又黄又爽又色| 美女中出高潮动态图| 日韩在线高清观看一区二区三区| 亚洲,欧美,日韩| 人人妻人人澡人人爽人人夜夜| 肉色欧美久久久久久久蜜桃| 久久热精品热| 日本色播在线视频| 亚洲综合色惰| 精品久久国产蜜桃| 我要看日韩黄色一级片| 国产精品免费大片| 亚洲一级一片aⅴ在线观看| 亚洲熟女精品中文字幕| 国产精品偷伦视频观看了| 黄片wwwwww| 日日撸夜夜添| 欧美少妇被猛烈插入视频| 日本av手机在线免费观看| 成人无遮挡网站| 成年人午夜在线观看视频| 少妇熟女欧美另类| 久久久久久久大尺度免费视频| 最近最新中文字幕大全电影3| av专区在线播放| 国产欧美亚洲国产| 国产精品.久久久| 成人毛片60女人毛片免费| 又大又黄又爽视频免费| 噜噜噜噜噜久久久久久91| 日日啪夜夜爽| 国产日韩欧美在线精品| 久久久久国产网址| freevideosex欧美| 精品久久久久久久久av| 好男人视频免费观看在线| 久久久久久久国产电影| 国产精品人妻久久久久久| 精品国产露脸久久av麻豆| 午夜日本视频在线| 精品国产三级普通话版| 久久影院123| 毛片女人毛片| 欧美成人午夜免费资源| 亚洲欧美日韩东京热| 亚洲中文av在线| 人妻 亚洲 视频| 中国美白少妇内射xxxbb| 亚洲欧美日韩东京热| 伦理电影大哥的女人| 国产黄色免费在线视频| 精品久久久久久久久av| 好男人视频免费观看在线| 亚洲va在线va天堂va国产| 国产美女午夜福利| 中文字幕亚洲精品专区| 午夜免费男女啪啪视频观看| 网址你懂的国产日韩在线| 一级毛片黄色毛片免费观看视频| 亚洲伊人久久精品综合| 亚洲高清免费不卡视频| 国产在线一区二区三区精| h视频一区二区三区| 夫妻性生交免费视频一级片| 国产一区二区在线观看日韩| 丰满迷人的少妇在线观看| 欧美xxxx黑人xx丫x性爽| av女优亚洲男人天堂| 美女中出高潮动态图| 两个人的视频大全免费| 在线观看三级黄色| 男人爽女人下面视频在线观看| 尤物成人国产欧美一区二区三区| av专区在线播放| 亚洲无线观看免费| 亚洲欧美一区二区三区黑人 | 日韩大片免费观看网站| 免费观看性生交大片5| 最近2019中文字幕mv第一页| 久久久a久久爽久久v久久| 国产在线免费精品| av在线观看视频网站免费| 日本猛色少妇xxxxx猛交久久| 亚洲婷婷狠狠爱综合网| 中文字幕亚洲精品专区| 久热这里只有精品99| 亚洲一区二区三区欧美精品| 国产亚洲午夜精品一区二区久久| 国产成人免费无遮挡视频| 在线 av 中文字幕| 高清毛片免费看| 国产伦在线观看视频一区| 我的老师免费观看完整版| 一区二区av电影网| 一级毛片久久久久久久久女| 卡戴珊不雅视频在线播放| 日韩一区二区三区影片| 久久这里有精品视频免费| 精品熟女少妇av免费看| 国产精品av视频在线免费观看| 黄色怎么调成土黄色| 国产69精品久久久久777片| 国产成人午夜福利电影在线观看| 国产探花极品一区二区| 22中文网久久字幕| 国产精品人妻久久久影院| 91精品伊人久久大香线蕉| 成人二区视频| 国产毛片在线视频| av播播在线观看一区| 国国产精品蜜臀av免费| 大片免费播放器 马上看| 老熟女久久久| 人体艺术视频欧美日本| 亚洲精品色激情综合| 亚洲国产色片| 国产欧美日韩一区二区三区在线 | 国产人妻一区二区三区在| 精品视频人人做人人爽| 日韩av不卡免费在线播放| av一本久久久久| 欧美3d第一页| 日韩国内少妇激情av| 永久免费av网站大全| 日本wwww免费看| 六月丁香七月| 美女视频免费永久观看网站| 青春草视频在线免费观看| 国产精品99久久久久久久久| 草草在线视频免费看| 午夜福利影视在线免费观看| av线在线观看网站| av福利片在线观看| 街头女战士在线观看网站| 久久人人爽人人爽人人片va| 一级黄片播放器| 亚洲国产精品999| 亚洲精品久久久久久婷婷小说| 高清av免费在线| 午夜激情福利司机影院| 午夜免费男女啪啪视频观看| 亚洲精品乱码久久久久久按摩| 日本av手机在线免费观看| 性色av一级| 男人添女人高潮全过程视频| h日本视频在线播放| 亚洲精品色激情综合| 毛片女人毛片| 青春草视频在线免费观看| 国产爱豆传媒在线观看| 亚洲自偷自拍三级| 久久久色成人| 男人添女人高潮全过程视频| 亚洲精品aⅴ在线观看| 又粗又硬又长又爽又黄的视频| 男人爽女人下面视频在线观看| 欧美激情国产日韩精品一区| 深夜a级毛片| 午夜老司机福利剧场| 精品亚洲成国产av| 亚洲欧美精品自产自拍| 高清日韩中文字幕在线| 日本一二三区视频观看| 国产高清三级在线| 美女脱内裤让男人舔精品视频| 亚洲国产欧美在线一区| 国产中年淑女户外野战色| 18+在线观看网站| 国产极品天堂在线| 中国国产av一级| 国产69精品久久久久777片| 高清视频免费观看一区二区| 欧美亚洲 丝袜 人妻 在线| 我要看日韩黄色一级片| 99热这里只有是精品在线观看| 国产成人午夜福利电影在线观看| 这个男人来自地球电影免费观看 | 亚洲欧美日韩东京热| 99热网站在线观看| 舔av片在线| 麻豆精品久久久久久蜜桃| 久久精品国产亚洲av涩爱| 26uuu在线亚洲综合色| 高清欧美精品videossex| 赤兔流量卡办理| 亚洲欧美日韩无卡精品| 91精品国产国语对白视频| av在线老鸭窝| 免费观看av网站的网址| 亚洲国产精品专区欧美| 热99国产精品久久久久久7| 亚洲国产精品999| 我的女老师完整版在线观看| 久久精品夜色国产| 免费看光身美女| 日韩不卡一区二区三区视频在线| 嫩草影院新地址| 蜜桃亚洲精品一区二区三区| 亚洲色图av天堂| 一本—道久久a久久精品蜜桃钙片| 丝袜脚勾引网站| 在线精品无人区一区二区三 | 在线免费观看不下载黄p国产| 欧美+日韩+精品| 亚洲精品自拍成人| 免费久久久久久久精品成人欧美视频 | 丰满少妇做爰视频| 欧美变态另类bdsm刘玥| 久久精品国产自在天天线| 美女cb高潮喷水在线观看| 赤兔流量卡办理| 少妇被粗大猛烈的视频| 女性被躁到高潮视频| 亚洲在久久综合| 爱豆传媒免费全集在线观看| 51国产日韩欧美| 国产毛片在线视频| 免费不卡的大黄色大毛片视频在线观看| 老司机影院成人| 不卡视频在线观看欧美| 五月玫瑰六月丁香| 国产v大片淫在线免费观看| 国产av精品麻豆| 亚洲欧洲日产国产| 99热这里只有是精品在线观看| 欧美激情国产日韩精品一区| 最黄视频免费看| 国产精品嫩草影院av在线观看| 18+在线观看网站| 色吧在线观看| 免费在线观看成人毛片| 国产在线视频一区二区| 18禁裸乳无遮挡动漫免费视频| 秋霞在线观看毛片| av福利片在线观看| 麻豆国产97在线/欧美| 成人二区视频| 免费观看在线日韩| 国产综合精华液| av在线老鸭窝| 街头女战士在线观看网站| 亚洲国产最新在线播放| 新久久久久国产一级毛片| 女性生殖器流出的白浆| 国产精品人妻久久久影院| 久久精品国产亚洲网站| www.av在线官网国产| 国产亚洲91精品色在线| 亚洲精品456在线播放app| 一级毛片黄色毛片免费观看视频| 久久综合国产亚洲精品| 日日啪夜夜爽| 欧美亚洲 丝袜 人妻 在线| 夜夜骑夜夜射夜夜干| 人妻制服诱惑在线中文字幕| 777米奇影视久久| 天堂俺去俺来也www色官网| 亚洲av二区三区四区| 中国国产av一级| 99久久人妻综合| 亚洲精品久久久久久婷婷小说| 国产精品久久久久成人av| 看免费成人av毛片| 国产精品爽爽va在线观看网站| 最近最新中文字幕大全电影3| 男人舔奶头视频| 18禁裸乳无遮挡免费网站照片| 国产成人免费观看mmmm| 久久久久性生活片| 亚洲电影在线观看av| 国产成人免费无遮挡视频| 午夜视频国产福利| 亚洲国产av新网站| 建设人人有责人人尽责人人享有的 | 亚洲av综合色区一区| 久久人妻熟女aⅴ| 人人妻人人添人人爽欧美一区卜 | 日韩,欧美,国产一区二区三区| 少妇被粗大猛烈的视频| 国产视频内射| 国产极品天堂在线| 欧美xxxx性猛交bbbb| 亚洲色图av天堂| 美女xxoo啪啪120秒动态图| 欧美一级a爱片免费观看看| 亚洲怡红院男人天堂| 免费看日本二区| 男女边摸边吃奶| 日本欧美国产在线视频| 一个人看的www免费观看视频| 日韩强制内射视频| 亚洲第一av免费看| 26uuu在线亚洲综合色| 日韩一区二区三区影片| 日本黄大片高清| 一区二区三区乱码不卡18| 看免费成人av毛片| 欧美另类一区| 国产免费又黄又爽又色| www.色视频.com| 亚洲人成网站在线播| 少妇人妻一区二区三区视频| 国产中年淑女户外野战色| 寂寞人妻少妇视频99o| 99久久综合免费| 一个人看视频在线观看www免费| 男女边吃奶边做爰视频| 国产成人a区在线观看| 亚洲伊人久久精品综合| 男人狂女人下面高潮的视频| 亚洲精品视频女| 亚洲av免费高清在线观看| av福利片在线观看| 国产成人a∨麻豆精品| 十八禁网站网址无遮挡 | 搡女人真爽免费视频火全软件| 热re99久久精品国产66热6| 男的添女的下面高潮视频| 春色校园在线视频观看| 三级经典国产精品| 亚洲av电影在线观看一区二区三区| 精品视频人人做人人爽| 亚洲一级一片aⅴ在线观看| 亚洲图色成人| av免费观看日本| 婷婷色av中文字幕| 只有这里有精品99| 午夜激情福利司机影院| 寂寞人妻少妇视频99o| 久久午夜福利片| 国产欧美亚洲国产| 青青草视频在线视频观看| 午夜免费男女啪啪视频观看| 九色成人免费人妻av| 久久久a久久爽久久v久久| 99久久精品热视频| 亚洲精品国产av蜜桃| 成人黄色视频免费在线看| 久久人人爽人人片av| 国内少妇人妻偷人精品xxx网站| 亚洲成人手机| 色综合色国产| 嫩草影院新地址| 色5月婷婷丁香| 黑人猛操日本美女一级片| 日韩视频在线欧美| 国产精品一及| 亚洲av在线观看美女高潮| 3wmmmm亚洲av在线观看| 免费看av在线观看网站| 国产黄色免费在线视频| 简卡轻食公司| 亚洲av日韩在线播放| 春色校园在线视频观看| 成人亚洲欧美一区二区av| 国产成人a∨麻豆精品| 成人高潮视频无遮挡免费网站| 我要看日韩黄色一级片| 日韩欧美一区视频在线观看 | 边亲边吃奶的免费视频| 热99国产精品久久久久久7| 最近中文字幕2019免费版| 国产成人a∨麻豆精品| 国产在线免费精品| 一区二区三区四区激情视频| 久久久久久久久久成人| 亚洲国产精品一区三区| 国产午夜精品一二区理论片| 一级a做视频免费观看| 男人添女人高潮全过程视频| 国产一区亚洲一区在线观看| 亚洲av在线观看美女高潮| 搡女人真爽免费视频火全软件| 亚洲精品国产av蜜桃| 最黄视频免费看| 欧美成人精品欧美一级黄| 亚洲熟女精品中文字幕| 啦啦啦啦在线视频资源| 91aial.com中文字幕在线观看| 国产视频内射| 91午夜精品亚洲一区二区三区| 久久久久国产精品人妻一区二区| 日韩av在线免费看完整版不卡| 最近2019中文字幕mv第一页| 午夜福利在线在线| 建设人人有责人人尽责人人享有的 | 国产伦在线观看视频一区| 中国国产av一级| 尾随美女入室| 久久久久人妻精品一区果冻| 久久亚洲国产成人精品v|