论文部分内容阅读
目标检测在计算机视觉和机器学习领域是比较热门的技术。经典的目标识别方向有提取目标的HOG特征,训练SVM分类器进行识别等初级特征提取方法,这类方法的准确率早已被机器学习超过。随着机器学习在目标检测技术上的应用,各种各样的优秀的目标检测算法出现,但是缺少对这些算法进行一个系统的总结和比较。本文比较了基于区域提议类的目标检测算法R-CNN,Fast-RCNN,Faster-RCNN;端到端的检测算法如YOLO系列,SSD算法;以及最近提出的CascadedRCNN算法,RefineDet算法,SNIP算法,R-FCN-3000算法,DES算法,STDN算法。分析了各个目标识别算法在各大公开数据集中的识别准确率和速度,以及算法各自的优点和缺陷。并对目标检测算法进行了一个总结。