轻量化卷积神经网络目标检测算法综述
杨玉敏1
廖育荣2
林存宝2
倪淑燕2
吴止锾3
1.航天工程大学研究生院 北京 101400;航天工程大学电子与光学工程系 北京 1014002.航天工程大学电子与光学工程系 北京 1014003.洛阳电子装备试验中心 洛阳 471000
摘要：随着近年来深度学习的迅猛发展,基于卷积神经网络(CNN)的目标检测算法由于相比传统算法更具优势,已成为当前解决目标检测问题的首选方法.为了实现CNN类目标检测算法在嵌入式等资源受限的平台上高效运行,各种轻量化CNN类网络和目标检测算法近年来得到了快速发展.首先对SqueezeNet、MobileNet、ShuffleNet三类轻量化网络进行了概述,在此基础上对CNN类轻量化目标检测算法发展历程和研究进展进行了系统总结,并结合各类算法在VOC等数据集上的测试结果对其进行了对比分析,讨论了各类轻量化目标检测算法的性能特点及未来发展方向.
关键词：目标检测卷积神经网络轻量化候选区域回归方法
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2021-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 31-36 )
英文信息