• <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
    a 毛片基地| 一区二区三区四区激情视频| 欧美成人午夜免费资源| www.色视频.com| 国产伦理片在线播放av一区| 亚洲精品乱码久久久v下载方式| 国产精品一区www在线观看| 最后的刺客免费高清国语| 久久久久久久精品精品| 国产极品粉嫩免费观看在线 | 欧美日本中文国产一区发布| av黄色大香蕉| 简卡轻食公司| 成人无遮挡网站| 国国产精品蜜臀av免费| 亚洲精品色激情综合| 中文欧美无线码| 精品酒店卫生间| 欧美激情 高清一区二区三区| 日韩欧美一区视频在线观看| 欧美 日韩 精品 国产| 99九九在线精品视频| 中国国产av一级| 国产又色又爽无遮挡免| 飞空精品影院首页| 九色亚洲精品在线播放| 亚洲欧美日韩卡通动漫| 91国产中文字幕| 亚洲人成77777在线视频| 欧美日本中文国产一区发布| 久久99热6这里只有精品| 亚洲情色 制服丝袜| 日韩精品有码人妻一区| 国产精品一区二区在线观看99| 亚洲美女搞黄在线观看| 99久久综合免费| 国产高清不卡午夜福利| 一个人免费看片子| 国产视频内射| 午夜免费鲁丝| 美女主播在线视频| 午夜福利,免费看| 女人精品久久久久毛片| 成年女人在线观看亚洲视频| 亚洲精品成人av观看孕妇| 日韩免费高清中文字幕av| 亚洲欧洲国产日韩| 欧美激情极品国产一区二区三区 | 少妇人妻久久综合中文| 国产成人精品无人区| 国产淫语在线视频| 丰满饥渴人妻一区二区三| 老司机亚洲免费影院| 26uuu在线亚洲综合色| 国产成人精品久久久久久| 国产成人精品一,二区| 日本欧美国产在线视频| 一级a做视频免费观看| 美女主播在线视频| 色94色欧美一区二区| 国产亚洲一区二区精品| 青春草亚洲视频在线观看| 国产成人精品福利久久| 97精品久久久久久久久久精品| 一级a做视频免费观看| 最近中文字幕2019免费版| 高清在线视频一区二区三区| 国产高清有码在线观看视频| 九九久久精品国产亚洲av麻豆| 亚洲欧美精品自产自拍| 国产精品人妻久久久久久| 精品少妇内射三级| 日本vs欧美在线观看视频| 日本-黄色视频高清免费观看| 国产色爽女视频免费观看| 制服诱惑二区| 日韩亚洲欧美综合| 校园人妻丝袜中文字幕| 最新的欧美精品一区二区| 成人亚洲精品一区在线观看| 亚洲av成人精品一区久久| 女性被躁到高潮视频| 9色porny在线观看| 色94色欧美一区二区| 天堂俺去俺来也www色官网| 精品午夜福利在线看| 日韩电影二区| 亚洲人成网站在线播| 亚洲人与动物交配视频| 老司机影院成人| 久久国内精品自在自线图片| 91久久精品国产一区二区三区| 中文欧美无线码| 国产免费福利视频在线观看| 97超碰精品成人国产| av黄色大香蕉| 精品人妻熟女av久视频| 国产成人av激情在线播放 | 久久久久久久久久久免费av| 欧美精品高潮呻吟av久久| 91精品国产九色| 高清不卡的av网站| av又黄又爽大尺度在线免费看| 日韩av在线免费看完整版不卡| 免费看不卡的av| 久久精品国产a三级三级三级| 热99国产精品久久久久久7| 亚洲情色 制服丝袜| 一级a做视频免费观看| 欧美日韩在线观看h| 午夜福利在线观看免费完整高清在| .国产精品久久| 国产不卡av网站在线观看| 超碰97精品在线观看| 亚洲综合精品二区| 国产精品女同一区二区软件| 少妇被粗大猛烈的视频| 色网站视频免费| 亚洲精华国产精华液的使用体验| 免费黄网站久久成人精品| 亚洲五月色婷婷综合| xxxhd国产人妻xxx| 亚洲一级一片aⅴ在线观看| 久久久午夜欧美精品| 欧美最新免费一区二区三区| 久久久久久久久久成人| 在线观看人妻少妇| 丰满饥渴人妻一区二区三| 亚洲人与动物交配视频| 大片免费播放器 马上看| 丰满乱子伦码专区| 桃花免费在线播放| 国产精品一国产av| 天天躁夜夜躁狠狠久久av| 久久精品国产亚洲av涩爱| 精品亚洲成a人片在线观看| 国产精品99久久99久久久不卡 | 国产在线一区二区三区精| 男人爽女人下面视频在线观看| 免费观看性生交大片5| 亚洲一级一片aⅴ在线观看| 国产一区二区三区av在线| 三级国产精品欧美在线观看| av有码第一页| 色5月婷婷丁香| 亚洲av成人精品一区久久| 老司机亚洲免费影院| av在线播放精品| 中文精品一卡2卡3卡4更新| 18禁裸乳无遮挡动漫免费视频| 在线观看免费日韩欧美大片 | 中文字幕人妻丝袜制服| 国产精品99久久久久久久久| 免费av不卡在线播放| 日韩视频在线欧美| 99热这里只有精品一区| 嘟嘟电影网在线观看| 女的被弄到高潮叫床怎么办| 免费观看的影片在线观看| 日韩欧美精品免费久久| 最后的刺客免费高清国语| 免费观看无遮挡的男女| 大片电影免费在线观看免费| 亚洲av中文av极速乱| 肉色欧美久久久久久久蜜桃| 亚洲人成网站在线观看播放| 少妇人妻精品综合一区二区| 国产黄片视频在线免费观看| 亚洲国产精品一区三区| 中文精品一卡2卡3卡4更新| 视频区图区小说| 大香蕉久久成人网| 日本av免费视频播放| 男女边摸边吃奶| 久久免费观看电影| 天天操日日干夜夜撸| 伦理电影大哥的女人| 91精品三级在线观看| 99国产精品免费福利视频| 久热这里只有精品99| a级片在线免费高清观看视频| 欧美97在线视频| 涩涩av久久男人的天堂| 男女无遮挡免费网站观看| 国产伦理片在线播放av一区| 人妻 亚洲 视频| 少妇的逼水好多| 九九爱精品视频在线观看| 久久97久久精品| 卡戴珊不雅视频在线播放| 亚州av有码| av又黄又爽大尺度在线免费看| 男人操女人黄网站| 久久99蜜桃精品久久| 欧美精品一区二区免费开放| 国产一区二区在线观看日韩| 精品一区二区免费观看| 亚洲欧美成人综合另类久久久| 精品一区二区免费观看| 18禁裸乳无遮挡动漫免费视频| 精品国产一区二区久久| 国产精品秋霞免费鲁丝片| 精品久久久久久电影网| 又粗又硬又长又爽又黄的视频| 丰满乱子伦码专区| 色视频在线一区二区三区| 校园人妻丝袜中文字幕| 国产精品久久久久久精品电影小说| a级毛色黄片| 乱码一卡2卡4卡精品| 国产精品国产av在线观看| 日韩,欧美,国产一区二区三区| 国产成人精品福利久久| 久久女婷五月综合色啪小说| 91午夜精品亚洲一区二区三区| 美女国产视频在线观看| 9色porny在线观看| 高清不卡的av网站| 狂野欧美白嫩少妇大欣赏| 久久精品国产亚洲av天美| 夜夜爽夜夜爽视频| 欧美激情国产日韩精品一区| 欧美日本中文国产一区发布| 久久99一区二区三区| av免费观看日本| 国产男女内射视频| 中国国产av一级| 亚洲一级一片aⅴ在线观看| 在线观看三级黄色| 一边亲一边摸免费视频| 最近中文字幕高清免费大全6| 夜夜骑夜夜射夜夜干| 亚洲精品日本国产第一区| 能在线免费看毛片的网站| 国产成人免费观看mmmm| 最新的欧美精品一区二区| 寂寞人妻少妇视频99o| 天天操日日干夜夜撸| 成人亚洲欧美一区二区av| 国产毛片在线视频| 欧美变态另类bdsm刘玥| 一个人免费看片子| 老熟女久久久| 建设人人有责人人尽责人人享有的| 18禁在线无遮挡免费观看视频| 久久99热这里只频精品6学生| 国产精品一区二区在线不卡| 日韩中文字幕视频在线看片| 国产伦精品一区二区三区视频9| 五月玫瑰六月丁香| 校园人妻丝袜中文字幕| 亚洲美女视频黄频| 黄片无遮挡物在线观看| 免费观看在线日韩| 亚洲性久久影院| 国产男女内射视频| 日韩成人伦理影院| 亚洲欧美色中文字幕在线| 新久久久久国产一级毛片| 国产爽快片一区二区三区| 少妇人妻精品综合一区二区| 国产精品嫩草影院av在线观看| 最后的刺客免费高清国语| 欧美xxxx性猛交bbbb| 欧美日韩亚洲高清精品| 久久精品国产a三级三级三级| 精品人妻在线不人妻| 国产精品一区二区三区四区免费观看| 精品酒店卫生间| 久久99精品国语久久久| 啦啦啦在线观看免费高清www| 亚洲精品久久午夜乱码| 日韩一区二区三区影片| 伦精品一区二区三区| 久久99精品国语久久久| 亚洲av电影在线观看一区二区三区| 国内精品宾馆在线| 水蜜桃什么品种好| 日本黄色片子视频| 国产69精品久久久久777片| 蜜桃久久精品国产亚洲av| 女人久久www免费人成看片| 亚洲熟女精品中文字幕| 亚洲国产精品专区欧美| 久久人人爽人人爽人人片va| 91久久精品国产一区二区三区| 久久97久久精品| videossex国产| 美女国产高潮福利片在线看| 天美传媒精品一区二区| 中文字幕精品免费在线观看视频 | 简卡轻食公司| 亚洲精品国产av成人精品| 王馨瑶露胸无遮挡在线观看| 亚洲色图综合在线观看| 黄色怎么调成土黄色| 视频中文字幕在线观看| 天美传媒精品一区二区| 青青草视频在线视频观看| 男女国产视频网站| 丰满乱子伦码专区| 一级二级三级毛片免费看| 视频中文字幕在线观看| 日本爱情动作片www.在线观看| 9色porny在线观看| 激情五月婷婷亚洲| 狂野欧美激情性xxxx在线观看| 国产片内射在线| 18禁裸乳无遮挡动漫免费视频| 亚洲一级一片aⅴ在线观看| 日韩中文字幕视频在线看片| 国产亚洲欧美精品永久| 啦啦啦在线观看免费高清www| 国产精品国产三级国产av玫瑰| 黑人高潮一二区| 777米奇影视久久| 黑人猛操日本美女一级片| 2018国产大陆天天弄谢| av天堂久久9| 插阴视频在线观看视频| 内地一区二区视频在线| 丁香六月天网| 亚洲欧美色中文字幕在线| 午夜精品国产一区二区电影| 99久久人妻综合| 极品少妇高潮喷水抽搐| 精品人妻一区二区三区麻豆| 国产色爽女视频免费观看| 亚洲第一av免费看| 亚洲av二区三区四区| 国产成人精品久久久久久| 国产免费一级a男人的天堂| 精品国产露脸久久av麻豆| 亚洲欧美一区二区三区黑人 | 精品久久久噜噜| 免费人成在线观看视频色| 亚洲人成网站在线观看播放| 另类亚洲欧美激情| 一个人看视频在线观看www免费| 一级,二级,三级黄色视频| 亚洲精品乱久久久久久| 精品午夜福利在线看| 国产欧美另类精品又又久久亚洲欧美| 国产成人精品婷婷| 91久久精品国产一区二区三区| 免费大片18禁| 亚洲,一卡二卡三卡| 在现免费观看毛片| 国产深夜福利视频在线观看| 精品少妇黑人巨大在线播放| 亚洲经典国产精华液单| 国产国语露脸激情在线看| 极品人妻少妇av视频| 久久久久久久久大av| xxx大片免费视频| 曰老女人黄片| 欧美丝袜亚洲另类| 国产精品久久久久久精品电影小说| 丝袜脚勾引网站| 美女视频免费永久观看网站| 精品亚洲乱码少妇综合久久| 久久久久久久久久久丰满| 狂野欧美激情性bbbbbb| 亚洲成人一二三区av| 婷婷色av中文字幕| 成年人午夜在线观看视频| videossex国产| 亚洲,一卡二卡三卡| 丝袜脚勾引网站| 亚洲成人一二三区av| 五月天丁香电影| 人妻系列 视频| 亚洲av在线观看美女高潮| 伊人久久精品亚洲午夜| 久久久午夜欧美精品| 男女免费视频国产| 人妻人人澡人人爽人人| 国产精品蜜桃在线观看| 日本91视频免费播放| 国产精品.久久久| 91aial.com中文字幕在线观看| 男女边吃奶边做爰视频| 国语对白做爰xxxⅹ性视频网站| 中文字幕制服av| 久久毛片免费看一区二区三区| 寂寞人妻少妇视频99o| 亚洲国产av新网站| 最近中文字幕高清免费大全6| 亚洲五月色婷婷综合| 久久婷婷青草| 免费观看在线日韩| 国产成人91sexporn| 国产免费一区二区三区四区乱码| 日本欧美国产在线视频| av黄色大香蕉| 国产免费现黄频在线看| 69精品国产乱码久久久| 黑人欧美特级aaaaaa片| 少妇熟女欧美另类| 成人午夜精彩视频在线观看| 久久人妻熟女aⅴ| 国产成人91sexporn| 少妇猛男粗大的猛烈进出视频| 欧美丝袜亚洲另类| 色5月婷婷丁香| 超色免费av| 久久影院123| 日日啪夜夜爽| a级毛片在线看网站| 最近手机中文字幕大全| 亚洲少妇的诱惑av| 欧美最新免费一区二区三区| 欧美人与性动交α欧美精品济南到 | 女性被躁到高潮视频| 日韩视频在线欧美| 天堂中文最新版在线下载| av免费在线看不卡| av卡一久久| 老熟女久久久| 亚洲中文av在线| 免费播放大片免费观看视频在线观看| 卡戴珊不雅视频在线播放| 久久久久久人妻| 少妇高潮的动态图| 精品国产乱码久久久久久小说| av国产精品久久久久影院| 美女视频免费永久观看网站| 久久鲁丝午夜福利片| 又大又黄又爽视频免费| 久久久久精品性色| 秋霞伦理黄片| 日本色播在线视频| 综合色丁香网| 女的被弄到高潮叫床怎么办| 九草在线视频观看| 国产精品无大码| 91精品国产国语对白视频| 自线自在国产av| 高清午夜精品一区二区三区| 18禁裸乳无遮挡动漫免费视频| 热99国产精品久久久久久7| 亚洲国产日韩一区二区| 国产成人精品在线电影| 欧美人与性动交α欧美精品济南到 | 中文字幕精品免费在线观看视频 | 51国产日韩欧美| 久久毛片免费看一区二区三区| 欧美精品人与动牲交sv欧美| 亚洲内射少妇av| 亚洲人与动物交配视频| 女的被弄到高潮叫床怎么办| 国产成人一区二区在线| 色94色欧美一区二区| 日本午夜av视频| 精品少妇内射三级| 丁香六月天网| 永久免费av网站大全| 欧美少妇被猛烈插入视频| 亚洲精品第二区| 欧美人与善性xxx| 视频区图区小说| 免费观看性生交大片5| 精品99又大又爽又粗少妇毛片| 99视频精品全部免费 在线| 精品久久蜜臀av无| 水蜜桃什么品种好| 亚洲久久久国产精品| 国产精品秋霞免费鲁丝片| 高清欧美精品videossex| av线在线观看网站| 永久网站在线| 免费不卡的大黄色大毛片视频在线观看| 一本久久精品| 一个人看视频在线观看www免费| 欧美性感艳星| 大又大粗又爽又黄少妇毛片口| 久久久久久伊人网av| 亚洲欧美一区二区三区国产| 伊人久久精品亚洲午夜| 日韩大片免费观看网站| 国产片特级美女逼逼视频| 国产毛片在线视频| 免费播放大片免费观看视频在线观看| 国内精品宾馆在线| 熟女av电影| 国产成人91sexporn| 美女国产高潮福利片在线看| 亚洲精品美女久久av网站| 国产亚洲最大av| 成年女人在线观看亚洲视频| 久久久久视频综合| 久久久a久久爽久久v久久| 久久久久精品久久久久真实原创| 国产69精品久久久久777片| 大香蕉久久网| 亚洲欧洲日产国产| 晚上一个人看的免费电影| av网站免费在线观看视频| 国产精品久久久久成人av| 国产成人freesex在线| 亚洲av.av天堂| 久久人人爽人人片av| 久久国内精品自在自线图片| 婷婷成人精品国产| 亚洲av日韩在线播放| 一区二区三区免费毛片| 国产成人精品在线电影| 久久韩国三级中文字幕| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 日本午夜av视频| 亚洲精品成人av观看孕妇| 国产女主播在线喷水免费视频网站| 午夜91福利影院| 十八禁网站网址无遮挡| 9色porny在线观看| av在线老鸭窝| 一区二区av电影网| 国产精品蜜桃在线观看| 国产精品无大码| 水蜜桃什么品种好| 我的老师免费观看完整版| 我要看黄色一级片免费的| 伊人久久精品亚洲午夜| 一级二级三级毛片免费看| 久久亚洲国产成人精品v| 欧美另类一区| 大又大粗又爽又黄少妇毛片口| 777米奇影视久久| 涩涩av久久男人的天堂| 日韩精品有码人妻一区| 久久久久久人妻| 国产精品成人在线| 卡戴珊不雅视频在线播放| 黄色一级大片看看| 色哟哟·www| 亚洲av成人精品一区久久| 国产一区二区在线观看av| 丁香六月天网| 七月丁香在线播放| 精品亚洲乱码少妇综合久久| 国产一区二区在线观看av| 高清在线视频一区二区三区| 最新中文字幕久久久久| 女的被弄到高潮叫床怎么办| 五月玫瑰六月丁香| 老女人水多毛片| 最近最新中文字幕免费大全7| 亚洲美女搞黄在线观看| 国产伦精品一区二区三区视频9| 在线亚洲精品国产二区图片欧美 | 国产免费视频播放在线视频| 久久狼人影院| 日韩精品有码人妻一区| 国产精品一区www在线观看| 色5月婷婷丁香| 免费不卡的大黄色大毛片视频在线观看| 日本黄色片子视频| av.在线天堂| 亚洲,一卡二卡三卡| 青春草视频在线免费观看| 亚洲精品日韩在线中文字幕| 亚洲色图综合在线观看| 免费黄频网站在线观看国产| 亚洲美女黄色视频免费看| 在线 av 中文字幕| 亚洲中文av在线| 国产视频首页在线观看| 三上悠亚av全集在线观看| 亚洲国产精品一区二区三区在线| 美女内射精品一级片tv| 欧美人与善性xxx| 啦啦啦在线观看免费高清www| 香蕉精品网在线| 免费观看av网站的网址| 国产视频首页在线观看| 超碰97精品在线观看| 黑丝袜美女国产一区| 成人漫画全彩无遮挡| 99国产精品免费福利视频| 一区二区三区四区激情视频| 久久久久久久久久人人人人人人| 性色avwww在线观看| 久久99一区二区三区| 免费黄色在线免费观看| 国产精品一国产av| 亚洲精品乱码久久久v下载方式| 国产成人91sexporn| 日韩视频在线欧美| a级毛片免费高清观看在线播放| 亚洲欧美成人精品一区二区| √禁漫天堂资源中文www| 91精品一卡2卡3卡4卡| 午夜免费鲁丝| 五月开心婷婷网| 大片免费播放器 马上看| 黑丝袜美女国产一区| 亚洲av免费高清在线观看| 人成视频在线观看免费观看| 国产成人aa在线观看| 国产精品一国产av| 久久久久久久国产电影| 成人国产麻豆网| 国产色婷婷99| 91久久精品国产一区二区三区| 日日摸夜夜添夜夜添av毛片| 久久ye,这里只有精品| 一个人看视频在线观看www免费| 亚洲高清免费不卡视频| 久久女婷五月综合色啪小说| 五月天丁香电影| 大香蕉久久成人网| 纯流量卡能插随身wifi吗| 中国三级夫妇交换| h视频一区二区三区| 免费观看性生交大片5|