维普·夏尔马；Mir、Roohie Naaz 对基于深度学习的对象检测技术的全面和系统的研究：综述。 （英语） Zbl 1484.68261号 计算。科学。版次。 38，文章ID 100301，29 p.（2020）. 摘要：目标检测可以被视为计算机视觉中最基本、最具挑战性的视觉识别任务之一，在过去的几十年中受到了极大的关注。目标检测技术几乎应用于生活的所有领域，最突出的是监控、自动驾驶、行人检测等。视觉对象检测的主要目的是在真实场景或输入图像中以绝对定位的方式检测属于某类目标的对象，并为每个检测到的对象实例指定一个预定义的类标签。由于深度神经网络的迅速发展，目标检测器的性能迅速提高，基于深度学习的检测技术在过去几年中得到了积极的研究。在本文中，我们全面综述了基于深度学习的视觉对象检测的最新进展。首先，我们回顾了大量最近的文献工作，并利用这些文献分析了传统和当前的目标检测器。之后，我们首先对目标检测的主干架构进行了严格的概述，然后系统地掩盖了当前的学习策略。本文还分析了一些用于目标检测的常用数据集和度量。最后，我们讨论了目标检测的应用，并提供了几个未来的方向，以便于未来的研究与深度学习视觉目标检测。 引用于1文件 MSC公司： 68T45型 机器视觉和场景理解 68T07型 人工神经网络与深度学习 68-02 与计算机科学有关的研究展览会（专著、调查文章） 关键词：卷积神经网络；目标检测；本地化；分段；分类；深度学习 软件：亚当；AlexNet公司；YOLO公司；Xception公司；MS-COCO公司；联邦开发银行；VoxelNet公司；深度ID3；混洗网；球面；阿达科斯；语法Viz；ApolloCar3D；较宽的面；MobileNetV2手机；PASCAL挥发性有机化合物；移动网络；开胃-v4；ImageNet公司；卡费；固态硬盘；更快的R-CNN；投票3深化；城市居民；路易威登国际机场；比根；FCOS公司；OverFeat公司；中心网；冲浪；CycleGAN公司；SIFT公司；像素x像素；基蒂；PointNet（点网） PDF格式BibTeX公司 XML格式引用 \textit{V.Sharma}和\textit{R.N.Mir}，计算。科学。第38版，文章ID 100301，29页（2020年；Zbl 1484.68261） 全文： 内政部 参考文献： [1] 焦立成；张，范；刘芳；杨树元；李玲玲；冯志熙；瞿蓉，基于深度学习的对象检测研究，IEEE Access，7128837-128868（2019） [2] Nvidia，Jensen Huang，《用GPU加速人工智能：一种新的计算模型（2020）》，2020年6月20日上午11:45检索自URLhttps://blogs.nvidia.com/blog/2016/01/12/accelerating-ai-artificial-intelligence-gpus/ [3] 吴雄伟；Doyen Sahoo；Hoi，Steven C.H.，《物体检测深度学习的最新进展》，神经计算（2020年） [4] 何开明，张向玉，任少清，孙健，图像识别的深度剩余学习，载：IEEE计算机视觉与模式识别会议论文集，2016，第770-778页。 [5] Chen，Liang-Chieh；乔治·帕潘德里欧（George Papandreou）；科基诺斯、伊索纳斯；凯文·墨菲；Yuille，Alan L.，用深度卷积网和完全连接的crf进行语义图像分割（2014），arXiv预印本arXiv:1412.7062 [6] Ross Girschick、Jeff Donahue、Trevor Darrell、Jitendra Malik，《用于精确对象检测和语义分割的丰富特征层次》，载于《IEEE计算机视觉和模式识别会议论文集》，2014年，第580-587页。 [7] 何开明，Georgia Gkioxari，Piotr Dollár，Ross Girschick，Mask r-cnn，载于：《IEEE国际计算机视觉会议论文集》，2017年，第2961-2969页。 [8] 孙毅；梁、丁；王晓刚；Tang，Xiaou，Deepid3:使用深度神经网络进行人脸识别（2015），arXiv预印本arXiv:1502.00873 [9] 孙毅；陈玉恒；王晓刚；唐晓鸥，通过联合识别验证深度学习人脸表征，（神经信息处理系统进展（2014）），1988-1996 [10] 刘卫阳，温延东，于志鼎，李明，比沙·拉吉，宋乐，球面：用于人脸识别的深度超球面嵌入，收录于：IEEE计算机视觉与模式识别会议论文集，2017年，第212-220页。 [11] 李佳安；梁晓丹；沈胜美；徐廷发；冯佳实；Yan，Shuicheng，用于行人检测的Scale-aware快速R-CNN，IEEE Trans。多媒体，20,4985-996（2017） [12] Jan Hosang、Mohamed Omran、Rodrigo Benenson、Bernt Schiele，《深入了解行人》，摘自：IEEE计算机视觉和模式识别会议记录，2015年，第4073-4082页。 [13] Angelova，Anelia；Alex Krizhevsky；文森特·范胡克；阿比吉特·奥加莱；Ferguson，Dave，使用深度网络级联进行实时行人检测（2015） [14] Hoi，Steven CH；吴雄伟；刘汉堂；吴越；王慧琼；薛慧；Wu，Qiang，Logo-net：基于深度区域卷积网络的大规模深度标识检测和品牌识别（2015），arXiv预印本arXiv:1511.02462 [15] 苏航；朱夏田；龚绍刚，通过综合上下文进行数据扩展的深度学习标识检测，（2017 IEEE计算机视觉应用冬季会议（WACV）（2017），IEEE），530-539 [16] Andrej Karpathy、George Toderici、Sanketh Shetty、Thomas Leung、Rahul Sukthankar、Li Fei-Fei，卷积神经网络大尺度视频分类，收录于：IEEE计算机视觉和模式识别会议论文集，2014年，第1725-1732页。 [17] Hossein Mobahi、Ronan Collobert和Jason Weston，《视频中时间连贯的深度学习》，载于《第26届机器学习国际年会论文集》，2009年，第737-744页。 [18] Girshick，Ross B.，Fast R-CNN（2015），CoRR arXiv:1504.08083 [19] Joseph Redmon、Santosh Divvala、Ross Girshick和Ali Farhadi，《你只看一次：统一的实时对象检测》，摘自：IEEE计算机视觉和模式识别会议论文集，第779-788页。 [20] 任少清；何开明；Ross Girshick；Sun，Jian，Faster r-cnn：利用区域建议网络实现实时目标检测，（神经信息处理系统进展（2015）），91-99 [21] Lowe，David G.，从局部尺度不变特征识别物体，（第七届IEEE计算机视觉国际会议论文集，第2卷（1999），IEEE），1150-1157 [22] 赫伯特·贝；Tinne Tuytelaars公司；Van Gool，Luc，《冲浪：加速强大功能》，（欧洲计算机视觉会议（2006），斯普林格），404-417 [23] Rainer，Lienhart；Maydt，Jochen，用于快速物体检测的扩展类haar特征集，（国际图像处理会议论文集，第1卷（2002），IEEE），pp.I-I [24] Vig，Eleonora公司；迈克尔·多尔（Michael Dorr）；Cox，David，用于自然图像显著性预测的分层特征的大尺度优化，（IEEE计算机视觉和模式识别会议论文集（2014）），2798-2805 [25] 纳夫涅特·达拉；Triggs，Bill，人类检测定向梯度直方图，（2005 IEEE计算机学会计算机视觉和模式识别会议（CVPR'05），第1卷（2005），IEEE），886-893 [26] 项羽；Choi，Wongun；林元庆；Savarese，Silvio，用于物体提议和检测的子类别感知卷积神经网络，（2017年IEEE计算机视觉应用冬季会议（WACV）（2017年），IEEE），924-933 [27] 弗伦德（Yoav Freund）；Schapire，Robert E.，《在线学习的决策理论概括及其在助推中的应用》（欧洲计算学习理论会议（1995），Springer），23-37 [28] 弗伦德（Yoav Freund）；Robert E.Schapire，《新增压算法的实验》（Icml，第96卷（1996），Citeser），148-156 [29] 戴维·奥皮茨（David Opitz）；理查德·麦克林（Richard Maclin），《流行集成方法：实证研究》，J.Artif。智力。第11号决议，169-198（1999）·Zbl 0924.68159号 [30] Felzenszwalb，P.F。；Girshick，R.B。；McAllester，D。；Ramanan，D.，《使用区分训练的基于部分的模型进行目标检测》，IEEE Trans。模式分析。机器。智力。，32, 1627-1645 (2010) [31] Everingham，Mark；Luc Van Gool；克里斯托弗·威廉姆斯（Christopher K.I.Williams）。；约翰·温；安德鲁·齐瑟曼，《PASCAL视觉对象类挑战2007（VOC2007）结果》（2007） [32] Everingham，Mark；Luc Van Gool；克里斯托弗·基·威廉姆斯（Christopher KI Williams）；约翰·温；Andrew Zisserman，《pascal可视对象类（voc）挑战》，国际计算机杂志。视觉。，88, 2, 303-338 (2010) [33] David G.Lowe，《不同尺度关键点的独特图像特征》，《国际计算机杂志》。视觉。，60, 2, 91-110 (2004) [34] 蒂莫·奥贾拉（Timo Ojala）；Pietikainen，马蒂；Maenpaa，Topi，具有局部二进制模式的多分辨率灰度和旋转不变纹理分类，IEEE Trans。模式分析。机器。智力。，24, 7, 971-987 (2002) ·兹伯利0977.68853 [35] Alex Krizhevsky；伊利亚·萨茨克弗；Hinton，Geoffrey E.，深度卷积神经网络的Imagenet分类，（神经信息处理系统进展（2012）），1097-1105 [36] 曹桂梅；谢雪梅；杨文哲；廖、权；石光明；吴金健，特征融合SSD：小物体快速检测，（第九届国际图形图像处理会议（ICGIP 2017），第10615卷（2018），国际光学与光子学学会），106151E [37] Subarna Tripathi、Gokce Dane、Byeongkeun Kang、Vasudev Bhaskaran、Truong Nguyen、LCDet:用于嵌入式系统中对象检测的低复杂性全卷积神经网络，收录于：IEEE计算机视觉和模式识别研讨会会议记录，2017年，第94-103页。 [38] 杨庆佳、埃文·谢尔哈默、杰夫·多纳休、谢尔盖·卡拉耶夫、乔纳森·朗、罗斯·吉希克、塞尔吉奥·瓜达拉玛、特雷弗·达雷尔、卡菲：快速特征嵌入的卷积架构，载于：《2014年第22届ACM国际多媒体会议论文集》，第675-678页。 [39] 杨振恒；Nevatia，Ramakant，多尺度级联全卷积网络人脸检测器，（2016年第23届国际模式识别会议（ICPR）（2016），IEEE），633-638 [40] Ngiam Jiquan、Aditya Khosla、Mingyu Kim、Juhan Nam、Honglak Lee、AY Ng，多模态深度学习，收录于：第28届机器学习国际会议（ICML-11），第689696卷，2011年。 [41] 蒋玉刚；吴祖轩；唐金辉；李泽超；薛向阳；Chang，Shih-Fu，在视频分类的混合深度学习框架中建模多模态线索，IEEE Trans。多媒体。，20, 11, 3137-3147 (2018) [42] 丹尼斯·汤姆；费德里科·蒙蒂；卢卡·巴罗菲奥；卢卡·邦迪（Luca Bondi）；马可·塔利亚萨奇；Tubaro，Stefano，行人检测的深度卷积神经网络，信号处理。，图像通信。，47, 482-489 (2016) [43] 赵忠秋；卞海曼；胡东辉；程文娟；Glotin，Hervé，基于快速R-CNN和批归一化的行人检测，（ICIC 2017:智能计算理论与应用（2017），Springer），735-746 [44] Chen Zhang，Joohee Kim，利用位置软件可变形卷积和向后注意过滤进行目标检测，收录于：IEEE计算机视觉和模式识别会议论文集，2019年，第9452-9461页。 [45] Joseph Redmon、Ali Farhadi、YOLO9000：更好、更快、更强，摘自《IEEE计算机视觉和模式识别会议论文集》，2017年，第7263-7271页。 [46] 刘伟；德拉戈米尔·安格洛夫；Erhan，Dumitru；塞格迪，克里斯蒂安；斯科特·里德；傅成阳；Berg，Alexander C.，Ssd:单次多盒探测器，（欧洲计算机视觉会议（2016），斯普林格），21-37 [47] Tung-Yi Lin、Piotr Dollár、Ross Girshick、Kaiming He、Bharath Hariharan、Serge Belongie，《用于物体检测的特征金字塔网络》，载于《IEEE计算机视觉和模式识别会议论文集》，2017年，第2117-2125页。 [48] 杨明慧；大卫·J·克里格曼（David J.Kriegman）。；Ahuja，Narendra，《在图像中检测人脸：一项调查》，IEEE Trans。模式分析。机器。智力。，24，1，34-58（2002年） [49] 扎菲里奥，斯特凡诺斯；张查；张正友，《野外人脸检测研究：过去、现在和未来》，计算机。视觉。图像理解。，138, 1-24 (2015) [50] 叶启祥；David Doermann，《图像中的文本检测和识别：一项调查》，IEEE Trans。模式分析。机器。智力。，37, 7, 1480-1500 (2014) [51] 美元，彼得亚雷；沃杰克（Christian Wojek）；Schiele，Bernt；佩罗纳，彼得罗，《行人检测：最新技术评估》，IEEE Trans。模式分析。机器。智力。，34, 4, 743-761 (2011) [52] 马库斯·恩兹韦勒；Gavrila，Dariu M.，《单目行人检测：调查与实验》，IEEE Trans。模式分析。机器。智力。，31, 12, 2179-2195 (2008) [53] 戴维·杰罗尼莫（David Geronimo）；安东尼奥·洛佩兹（Antonio M.Lopez）。；安吉尔·D·萨帕。；Graf，Thorsten，高级驾驶员辅助系统行人检测调查，IEEE Trans。模式分析。机器。智力。，32, 7, 1239-1258 (2009) [54] 孙泽航；乔治·贝比斯（George Bebis）；Miller，Ronald，《On-road vehicle detection:A review》，IEEE Trans。模式分析。机器。智力。，28, 5, 694-711 (2006) [55] 张欣；Yang，Yee-Hong；韩志光；王慧；高超，对象类检测：一项调查，ACM计算。调查。，46, 1, 1-53 (2013) [56] 焦立成；张，范；刘芳；杨树元；李玲玲；冯志熙；瞿蓉，基于深度学习的对象检测研究，IEEE Access，7128837-128868（2019） [57] 赵忠秋；郑鹏；徐寿涛；吴新东，《对象检测与深度学习：综述》，IEEE Trans。神经网络。学习。系统。，301212-3232（2019） [58] 孙泽航；乔治·贝比斯；Miller，Ronald，《On-road vehicle detection:A review》，IEEE Trans。模式分析。机器。智力。，28, 5, 694-711 (2006) [59] 让·庞塞（Jean Ponce）；Hebert，Martial；科迪利亚·施密德；安德鲁·齐瑟曼（Andrew Zisserman），《朝向类别级对象识别》（Toward Category-Level Object Recognition），第4170卷（2007），施普林格出版社 [60] Sven J.狄金森。；莱昂纳迪斯（AlešLeonardis）；Schiele，Bernt；Michael J.Tarr，《对象分类：计算机和人类视觉视角》（2009），剑桥大学出版社 [61] 加勒奎洛斯，卡罗来纳州；Belongie，Serge，基于上下文的对象分类：关键调查，计算。视觉。图像理解。，114, 6, 712-722 (2010) [62] 克里斯汀·格劳曼（Kristen Grauman）；Leibe，Bastian，视觉物体识别，Synth。莱克特。Artif公司。智力。机器。学习。，5, 2, 1-181 (2011) [63] 亚历山大·安德烈奥普洛斯；John K.Tsotsos，《物体识别50年：前进方向，计算》。视觉。图像理解。，117, 8, 827-891 (2013) [64] 约书亚·本吉奥；亚伦·库维尔（Aaron Courville）；Vincent，Pascal，《表征学习：回顾与新视角》，IEEE Trans。模式分析。机器。智力。，35, 8, 1798-1828 (2013) [65] 阿里·博尔吉；程明明；侯启斌；蒋怀祖；Li，Jia，突出物体检测：调查，计算机。视觉。媒体，1-34（2019） [66] 李亚丽；王胜金；田、齐；丁晓青，基于统计学习的目标检测特征表示：综述，模式识别。，48, 11, 3542-3559 (2015) [67] Yann LeCun；本吉奥，约舒亚；杰弗里·辛顿，《深度学习》，《自然》，521、7553、436-444（2015） [68] 吉尔特·利特詹斯；Thijs Kooi；Bejnordi，Babak Ehteshami；塞提奥（Setio），阿诺德·阿里恩德拉·阿迪约索（Arnaud Arindra Adiyoso）；弗朗西斯科·辛皮；莫森Ghafoorian；范德拉克（Van Der Laak）、杰伦·奥姆（Jeroen Awm）；范·金尼肯（Van Ginneken），布拉姆（Bram）；Clara I.Sánchez，《医学图像分析深度学习调查》。，42, 60-88 (2017) [69] 顾久祥；王振华；Jason Kuen；马连阳；阿米尔·沙鲁迪；帅、兵；刘婷；王兴兴；王刚；蔡建飞，卷积神经网络的最新进展，模式识别。，77, 354-377 (2018) [70] 邹正霞；史振伟；郭玉红；叶洁平，《20年来的物体检测：一项调查》（2019），arXiv预印本arXiv:1905.05055 [71] 保罗·维奥拉（Paul Viola）；Jones，Michael，使用简单特征的增强级联快速目标检测，（2001年IEEE计算机学会计算机视觉和模式识别会议论文集，CVPR 2001，第1卷（2001），IEEE），第I-I页 [72] 保罗·维奥拉（Paul Viola）；Jones，Michael J.，《鲁棒实时人脸检测》，国际计算机杂志。视觉。，57, 2, 137-154 (2004) [73] 弗伦德（Yoav Freund）；罗伯特·夏皮雷（Robert Schapire）；Abe，Naoki，《助推简介》，J.Japanese Soc.Artif。智力。，14, 771-780, 1612 (1999) [74] 佩德罗·费尔岑什瓦尔布（Pedro Felzenszwalb）；David McAllester；Deva Ramanan，《一个经过区分训练的多尺度可变形零件模型》（2008年IEEE计算机视觉和模式识别会议（2008年），IEEE），1-8 [75] Felzenszwalb，Pedro F。；Ross B.Girshick。；McAllester，David，具有可变形零件模型的级联物体检测，（2010年IEEE计算机学会计算机视觉和模式识别会议（2010），IEEE），2241-2248 [76] Malisiewicz、Tomasz；古普塔，阿比纳夫；Efros，Alexei A.，《用于物体检测及其以外的样本支持向量机集成》（2011年计算机视觉国际会议，IEEE），89-96 [77] Ross B.Girshick。；Felzenszwalb，Pedro F。；Mcallester，David A.，用语法模型进行对象检测，（神经信息处理系统进展（2011）），442-450 [78] Girshick，Ross Brook，《从刚性模板到语法：结构化模型的物体检测》（2012），Citeser [79] 安德鲁斯、斯图亚特；索坎塔里迪斯（Ioannis）；托马斯·霍夫曼（Thomas Hofmann），《支持向量机多实例学习》（Support vector machines for multi-instance learning）（贝克尔（Becker，S.）；特伦（Thrun，S.；奥伯迈尔（Obermayer，K.），《神经信息处理系统的进展》（Advances in Neural Information Processing Systems，http://papers.nips.cc/paper/2232-support-vector-machines-for-multiple-instance-learning.pdf [80] 皮埃尔·塞尔马内特（Pierre Sermanet）；戴维·艾根（David Eigen）；张翔；米夏·马修；Rob Fergus；LeCun，Yann，Overfeat:使用卷积网络的集成识别、定位和检测（2013），arXiv预印本arXiv:1312.6229 [81] 约瑟夫·雷德蒙（Joseph Redmon）；Farhadi，Ali，Yolov3:增量改进（2018），arXiv预印本arXiv:1804.02767 [82] Tung-Yi Lin，Priya Goyal，Ross Girshick，Kaiming He，Piotr Dollár，稠密目标检测的焦点损失，收录于：IEEE国际计算机视觉会议论文集，2017年，第2980-2988页。 [83] Hei Law，Jia Deng，Cornernet：检测物体作为配对关键点，摘自：《欧洲计算机视觉会议论文集》，2018年，第734-750页。 [84] 周兴义；王德全；Krähenbühl，Philipp，《物体作为点》（2019），arXiv预印本arXiv:1904.07850 [85] 段凯文；白、宋；谢灵喜；齐红刚；黄清明；Tian，Qi，Centernet：使用关键点三元组进行目标检测（2019），arXiv预打印arXiv:1904.08189 1（2），4 [86] Jasper R.R.Uijlings。；Van De Sande，Koen E.A。；西奥·盖弗斯；Smeulders，Arnold W.M.，对象识别的选择性搜索，国际计算机杂志。视觉。，104, 2, 154-171 (2013) [87] 吉姆·克莱班（Jim Kleban）；谢星；马伟英，用于自然场景中标识检测的空间金字塔挖掘，（2008 IEEE多媒体与博览会国际会议（2008），IEEE），1077-1080 [88] 何开明；张向宇；任少清；Sun，Jian，用于视觉识别的深度卷积网络中的空间金字塔池，IEEE Trans。模式分析。机器。智力。，37, 9, 1904-1916 (2015) [89] Zitnick，C.L.awrence；Dollar、Piotr、Edge Boxs:从边缘定位对象提案（欧洲计算机视觉会议（2014），Springer），391-405 [90] 戴继峰；李毅；何开明；孙健，R-fcn：基于区域的完全卷积网络的目标检测，（神经信息处理系统进展（2016）），379-387 [91] 林宗毅；迈克尔·梅尔（Michael Maire）；贝隆吉，谢尔盖；詹姆斯·海斯（James Hays）；彼得罗·佩罗纳（Pietro Perona）；拉马南，德瓦；彼得·多拉尔（Piotr Dollár）；Zitnick，C.Lawrence，《微软coco：上下文中的通用对象》，（欧洲计算机视觉会议（2014），施普林格），740-755 [92] Han Hu，Jiayuan Gu，Zheng Zhang，Jifeng Dai，Yichen Wei，对象检测的关系网络，摘自：IEEE计算机视觉和模式识别会议论文集，2018年，第3588-3597页。 [93] 戴继峰，齐浩志，熊宇文，李毅，张国栋，胡寒，魏一晨，可变形卷积网络，收录于：IEEE国际计算机视觉会议论文集，2017年，第764-773页。 [94] Golnaz Ghiasi，Tung-Yi Lin，Quoc V.Le，Nas-fpn：学习用于对象检测的可缩放特征金字塔结构，摘自：IEEE计算机视觉和模式识别会议论文集，第7036-7045页。 [95] 阿列克谢·博格丹（Alexe，Bogdan）；托马斯·德塞莱尔斯（Thomas Deselaers）；费拉里，维托里奥，《测量图像窗口的物体性》，IEEE Trans。模式分析。机器。智力。，34, 11, 2189-2202 (2012) [96] 拉赫图，埃萨；Juho Kannala；Matthew Blaschko，《学习类别无关的物体检测级联》（2011年计算机视觉国际会议，IEEE），1052-1059 [97] Santiago Manen、Matthieu Guillaumin、Luc Van Gool，《随机prim算法的Prime对象提案》，收录于：IEEE计算机视觉国际会议论文集，2013年，第2536-2543页。 [98] Joao Carreira；Sminchisescu，Cristian，CPMC：使用约束参数mincuts的自动对象分割，IEEE Trans。模式分析。机器。智力。，34, 7, 1312-1328 (2011) [99] 伊恩·恩德斯（Ian Endres）；Hoiem，Derek，具有不同排名的类别独立对象提案，IEEE Trans。模式分析。机器。智力。，36, 2, 222-234 (2013) [100] 朱晨；陶然；卢、夸；Savvides，Marios，《从稳健主播的角度看小脸》（IEEE计算机视觉和模式识别会议论文集（2018）），5127-5136 [101] 谢乐乐，刘玉良，金连文，谢泽成，DeRPN:朝着更通用的目标检测迈出进一步，载于：《AAAI人工智能会议论文集》，2019年第33卷，第9046-9053页。 [102] Lachlan Tychsen Smith，Lars Petersson，Denet:有向稀疏采样的可扩展实时对象检测，载于：《IEEE国际计算机视觉会议论文集》，2017，第428-436页。 [103] Chen Zhu，Yihui He，Marios Savvides，用于单次拍摄物体检测的特征选择无锚模块，载于：IEEE计算机视觉和模式识别会议论文集，2019，第840-849页。 [104] 段凯文，宋白，谢灵曦，齐洪刚，黄清明，齐天，中心网：物体检测的关键点三元组，载于：IEEE国际计算机视觉会议论文集，2019，第6569-6578页。 [105] Ross Girshick，Fast r-cnn，摘自：IEEE计算机视觉国际会议论文集，2015年，第1440-1448页。 [106] 巴拉特·辛格（Bharat Singh）、拉里·戴维斯（Larry S.Davis），《物体检测剪刀中的尺度不变性分析》，载于《IEEE计算机视觉和模式识别会议论文集》，2018年，第3578-3587页。 [107] 蔡兆伟；范全福；费利斯（Feris），罗杰里奥（Rogerio S.）。；Vasconcelos，Nuno，用于快速目标检测的统一多尺度深度卷积神经网络，（欧洲计算机视觉会议（2016），Springer），354-370 [108] 沈志强、刘庄、李建国、姜玉刚、陈玉荣、薛向阳、博士：从头开始学习深度监督目标探测器，载《IEEE计算机视觉国际会议论文集》，2017年，第1919-1927页。 [109] 刘松涛，黄迪，等。用于准确快速目标检测的接收场块网，摘自：《欧洲计算机视觉会议论文集》，2018年，第385-400页。 [110] Jimmy Ren、Xiaohao Chen、Jianbo Liu、Wenxiu Sun、Jiahao Pang、Qiong Yan、Yu-Wing Tai、Li Xu，使用递归滚动卷积的精确单级检测器，收录于：IEEE计算机视觉和模式识别会议论文集，2017年，第5420-5428页。 [111] Jeong，Jisoo；孝敬公园；Kwak，Nojun，《通过连接特征图来增强SSD以进行目标检测》（2017），arXiv预打印arXiv:1705.09587 [112] 傅成阳；刘伟；阿南斯·兰加；安布里斯·提吉（Ambrish Tyagi）；Berg，Alexander C.，Dssd：去卷积单次激发检测器（2017），arXiv预印arXiv:1701.06659 [113] Woo，Sanghyun；Hwang，Soonmin；Kweon，In-So，Stairnet:Top-down语义聚合用于准确的一次性检测，（2018 IEEE计算机视觉应用冬季会议（WACV）（2018），IEEE），1093-1102 [114] 李洪阳；刘禹；欧阳、万里；Wang，Xiaogang，Zoom out-and-in network with recursive training for object proposal（2017），arXiv预印本arXiv:1702.05711 [115] 孔涛，孙富春，谭传祺，刘华平，黄文兵，用于目标检测的深特征金字塔重构，载《欧洲计算机视觉会议论文集》，2018年，第169-185页·Zbl 07123033号 [116] 赵启杰，陶胜，王永涛，汤智，陈颖，蔡凌，凌海斌，M2det:基于多层特征金字塔网络的单点目标检测器，载于：《AAAI人工智能会议论文集》，2019年第33卷，第9259-9266页。 [117] 加勒奎洛斯，卡罗来纳州；Belongie，Serge，基于上下文的对象分类：关键调查，计算。视觉。图像理解。，114, 6, 712-722 (2010) [118] 佩德罗·费尔岑什瓦尔布（Pedro Felzenszwalb）；Ross Girshick；David McAllester；Ramanan，Deva，可变形零件模型的区分训练混合，PASCAL VOC挑战（2008） [119] 欧阳万里、王晓刚、曾星宇、石秋、罗萍、田永龙、李洪生、杨硕、王哲、陈昌乐等。深度网：用于目标检测的可变形深度卷积神经网络，收录于：IEEE计算机视觉与模式识别会议论文集，2015年，第2403-2412页。 [120] 朱西洲，胡汉，林志浩，戴继峰，《变形convents v2：更多变形，更好的结果》，摘自：《IEEE计算机视觉与模式识别会议论文集》，2019年，第9308-9316页。 [121] Ross Girshick、Forrest Iandola、Trevor Darrell、Jitendra Malik，可变形零件模型是卷积神经网络，收录于：IEEE计算机视觉和模式识别会议论文集，2015年，第437-446页。 [122] 李泽明；彭超；余、刚；张向玉；邓阳东；Sun，Jian，Detnet:目标检测主干网（2018），arXiv预打印arXiv:1804.06215 [123] 谢赛宁（Saining Xie）、罗斯·吉希克（Ross Girshick）、彼得·多拉（Piotr Dollár）、屠卓文（Zhoowen Tu）、何开明（Kaiming He），深度神经网络的聚集残差变换，收录于：IEEE计算机视觉与模式识别会议论文集，2017年，第1492-1500页。 [124] 安德鲁·霍华德。；朱梦龙；陈波；德米特里·卡列尼琴科；王卫军；韦扬德（Weyand）、托拜厄斯（Tobias）；马可·安德列托；Adam，Hartwig，Mobilenets:移动视觉应用的高效卷积神经网络（2017），arXiv预印本arXiv:1704.04861 [125] 张祥宇，周新余，林梦晓，孙健，《Shufflenet:一种用于移动设备的非常有效的卷积神经网络》，载于《IEEE计算机视觉和模式识别会议论文集》，第6848-6856页。 [126] François Chollet，Xception:深度学习与深度可分离卷积，收录于：IEEE计算机视觉与模式识别会议记录，第1251-1258页。 [127] R.J.Wang，C.X.Ling，Peley：移动设备上的实时物体检测系统，高级神经信息处理。系统。，1963-1972 (2018) [128] 伊曼纽尔·坎迪斯。；李晓东；马毅；John Wright，稳健主成分分析？，J.ACM，58、3、1-37（2011）·Zbl 1327.62369号 [129] 凯伦·西蒙扬（Karen Simonyan）；安德鲁·齐瑟曼（Andrew Zisserman），《用于大规模图像识别的甚深卷积网络》（2014），arXiv预印本arXiv:1409.1556 [130] Yann LeCun；莱昂·博图；约书亚·本吉奥；Patrick Haffner，梯度学习应用于文档识别，Proc。IEEE，86，11，2278-2324（1998） [131] 赫伯特·罗宾斯；Monro，Sutton，《随机近似方法》，《数学年鉴》。统计，400-407（1951）·兹比尔0054.05901 [132] Kingma，Diederik P。；Ba，Jimmy，Adam：随机优化方法（2014），arXiv预印本arXiv:1412.6980 [133] 维诺德·奈尔（Vinod Nair）、杰弗里·欣顿（Geoffrey E.Hinton），《校正线性单位改进受限boltzmann机器》，载于：《第27届机器学习国际会议论文集》（ICML-10），2010年，第807-814页。 [134] 何开明；张向玉；任少清；孙健，深度剩余网络中的身份映射，（欧洲计算机视觉会议（2016），施普林格），630-645 [135] 谢尔盖·伊奥菲；Szegedy，Christian，批量归一化：通过减少内部协变量偏移来加速深度网络训练（2015），arXiv预印本arXiv:1502.03167 [136] 高晃，刘壮，Laurens Van Der Maaten，Kilian Q Weinberger，密集连接卷积网络，载于：《IEEE计算机视觉与模式识别会议论文集》，2017，第4700-4708页。 [137] 蒋汉良；高飞；Xu，Xingxin；黄菲；Zhu，Suguo，Attentive and ensembly 3D双路径网络用于肺结节分类，Neurocomputing（2019） [138] Christian Szegedy、Wei Liu、Yangqing Jia、Pierre Sermanet、Scott Reed、Dragomir Angelov、Dumitru Erhan、Vincent Vanhoucke、Andrew Rabinovich，《卷积的深入研究》，收录于：IEEE计算机视觉和模式识别会议论文集，2015年，第1-9页。 [139] Christian Szegedy、Sergey Ioffe、Vincent Vanhoucke、Alexander A Alemi、Inception-v4、Inception-resnet和残余联系对学习的影响，见：第三十届AAAI人工智能会议，2017年。 [140] 亚历杭德罗·纽厄尔（Alejandro Newell）；杨凯玉；Deng，Jia，用于人体姿势估计的堆积沙漏网络，（欧洲计算机视觉会议（2016），Springer），483-499 [141] 巴拉特·辛格（Bharat Singh）；马亚尔·纳吉布；Davis，Larry S.，SNIPER:高效多尺度训练，（神经信息处理系统进展（2018）），9310-9320 [142] 顾佳元，胡涵，王立伟，魏一晨，戴继峰，用于目标检测的学习区域特征，摘自：《欧洲计算机视觉会议论文集》，2018年，第381-395页。 [143] Spyros Gidaris，Nikos Komodakis，《Locnet：提高目标检测的定位精度》，摘自：《IEEE计算机视觉和模式识别会议论文集》，2016年，第789-798页。 [144] 谢尔盖·扎戈鲁伊科；亚当·莱勒（Adam Lerer）；林宗毅；佩德罗·皮涅罗。；格罗斯，萨姆；索米斯·钦塔拉；Dollár，Piotr，《目标检测的多路径网络》（2016），arXiv预打印arXiv:1604.02135 [145] Lachlan Tychsen-Smith，Lars Peterson，用适应度nms和有界iou损失改进对象定位，收录于：IEEE计算机视觉和模式识别会议论文集，2018年，第6877-6885页。 [146] Lu Xin，Li Buyu，Yuxin Yue，Li Quanquan，Yan Junjie，Grid r-cnn，《IEEE计算机视觉和模式识别会议论文集》，2019年，第7363-7372页。 [147] 杨斌，闫俊杰，甄磊，李士丹，从图像中制作物体，摘自：IEEE计算机视觉和模式识别会议论文集，2016年，第6043-6051页。 [148] 程伯文、魏云超、史洪辉、罗杰里·费利斯、熊金军、黄托马斯，《重新审视rcnn:唤醒更快rcnn的分类能力》，载《欧洲计算机视觉会议论文集》，2018年，第453-468页。 [149] Ian J Goodfellow、Jean Pouget-Abadie、Mehdi Mirza、Bing Xu、David Warde-Farley、Sherjil Ozair、Aaron Courville、Yoshua Bengio，《生成性对抗网络》，摘自：神经信息处理系统年会（NeurIPS），2014年，第2672-2680页。 [150] 朱俊彦（Jun-Yan Zhu）、塔桑公园（Taesung Park）、菲利普·伊索拉（Phillip Isola）、阿列克谢·埃夫罗斯（Alexei A Efros），《使用循环一致对抗网络进行未配对的图像到图像转换》（Unpaired image-to-image translation using cycle-consistent parks networks），收录于：IEEE。 [151] 亚历克·拉德福德；卢克·梅茨（Luke Metz）；Chintala，Soumith，《深度卷积生成对抗网络的无监督表征学习》（2015），arXiv预印本arXiv:1511.06434 [152] 安德鲁·布洛克（Andrew Brock）；杰夫·多纳休；Simonyan，Karen，《高保真自然图像合成的大规模gan训练》（2018），arXiv预印本arXiv:1809.11096 [153] 李建安，梁晓丹，魏云超，徐廷发，冯家石，颜水成，用于小目标检测的感知生成对抗网络，收录于：IEEE计算机视觉与模式识别会议论文集，2017年，第1222-1230页。 [154] 王晓龙（Xiaolong Wang）、阿比纳夫·施里瓦斯塔娃（Abhinav Shrivastava）、阿卜纳夫·古普塔（Abhinav Gupta）、A-fast-rcnn：通过对手进行目标检测的硬正生成，摘自：《IEEE计算机视觉和模式识别会议论文集》，2017年，第2606-2615页。 [155] 沈志强；石红辉；于佳慧；潘，海；费里斯，罗杰里奥；曹良良；刘丁；王新超；Thomas Huang；Savvides，Marios，《通过门控特征重用从零开始改进对象检测》（2017），arXiv预打印arXiv:1712.00886 [156] 何开明、罗斯·吉希克、彼得·多拉，《重新思考图像网络预训练》，载《2019年IEEE计算机视觉国际会议论文集》，第4918-4927页。 [157] 杰弗里·辛顿；葡萄酒、Oriol；Dean，Jeff，《在神经网络中提取知识》（2015），arXiv预印本arXiv:1503.02531 [158] 李全全，金胜英，严俊杰，模拟高效网络用于目标检测，载：IEEE计算机视觉和模式识别会议论文集，2017年，第6356-6364页。 [159] Navaneeth Bodla、Bharat Singh、Rama Chellappa、Larry S.Davis，用一行代码改进软-NMS目标检测，收录于《IEEE计算机视觉国际会议论文集》，2017年，第5561-5569页。 [160] Jonathan Huang、Vivek Rathod、Chen Sun、Menglong Zhu、Anoop Koratitkara、Alireza Fathi、Ian Fischer、Zbigniew Wojna、Yang Song、Sergio Guadarrama等。现代卷积目标检测器的速度/精度权衡，摘自：《IEEE计算机视觉和模式识别会议论文集》，2017年，第7310-7311页。 [161] 李泽明；彭超；于刚；张向玉；邓阳东；孙健，光头r-cnn：为防御两级目标探测器（2017），arXiv预印本arXiv:1711.07264 [162] Mark Sandler、Andrew Howard、Menglong Zhu、Andrey Zhmoginov、Liang-Chieh Chen、Mobilenetv2:倒置残差和线性瓶颈，摘自《IEEE计算机视觉和模式识别会议论文集》，2018年，第4510-4520页。 [163] 亚历山大·沃姆（Alexander Womg）；穆罕默德·贾瓦德·沙菲；Li，Francis；Chwyl，Brendan，Tiny SSD:一种用于实时嵌入式对象检测的微型单次检测深度卷积神经网络，（2018年第15届计算机和机器人视觉会议，CRV（2018），IEEE），95-101 [164] 李玉溪；李久伟；林伟耀；Li，Jianguo，Tiny-dsod：针对资源受限用途的轻量级对象检测（2018），arXiv预印本arXiv:1807.11013 [165] 尚文玲、孙建宏、阿尔梅达、李洪拉克，通过级联校正线性单元理解和改进卷积神经网络，载：国际机器学习会议，2016年，第2217-2225页。 [166] Kim，Yong-Deok；Park，Eunhyeok；Yoo，Sungjoo；崔泰林；杨璐；Shin，Dongjun，《用于快速和低功耗移动应用的深度卷积神经网络压缩》（2015），arXiv预印本arXiv:1511.06530 [167] 何一辉，张向玉，孙健，用于加速超深层神经网络的通道修剪，载《IEEE计算机视觉国际会议论文集》，2017年，第1389-1397页。 [168] 龚云超；刘、刘；杨明；Bourdev，Lubomir，使用矢量量化压缩深度卷积网络（2014），arXiv预印本arXiv:1412.6115 [169] 林玉军；韩、宋；毛慧子；王宇；Dally，William J.，深度梯度压缩：减少分布式训练的通信带宽（2017），arXiv预印本arXiv:1712.01887 [170] 吴嘉祥，丛冷，王余杭，胡庆浩，程健，移动设备量化卷积神经网络，收录于：IEEE计算机视觉与模式识别会议论文集，2016年，第4820-4828页。 [171] 韩、宋；毛慧子；Dally，William J.，《深度压缩：用剪枝、训练量化和哈夫曼编码压缩深度神经网络》（2015），arXiv预印本arXiv:1510.00149 [172] 韩、宋；普尔，杰夫；约翰·Tran；Dally，William，学习有效神经网络的权重和连接，（神经信息处理系统进展（2015）），1135-1143 [173] 张世峰，温龙吟，卞晓霞，郑磊，李斯坦，用于目标检测的单点细化神经网络，收录于：IEEE计算机视觉与模式识别会议论文集，2018年，第4203-4212页。 [174] 奥尔加·卢萨科夫斯基；邓，贾；苏浩；乔纳森·克劳斯（Jonathan Krause）；桑吉夫·萨蒂什；马西恩；黄志恒；安德烈·卡佩西；阿迪蒂亚·科斯拉；Michael Bernstein，《Imagenet大规模视觉识别挑战》，国际计算机杂志。视觉。，115，3211-252（2015） [175] 谢赛宁，屠卓文，整体嵌套边缘检测，载《IEEE计算机视觉国际会议论文集》，2015年，第1395-1403页。 [176] Mahyar Najibi，Mohammad Rastegari，Larry S.Davis，G-cnn：基于迭代网格的目标检测器，摘自：《IEEE计算机视觉和模式识别会议论文集》，2016年，第2369-2377页。 [177] Zhang Yuting，Kihyuk Sohn，Ruben Villegas，Gang Pan，Honglak Lee，《通过贝叶斯优化和结构化预测改进深度卷积网络的目标检测》，收录于：IEEE计算机视觉和模式识别会议论文集，2015年，第249-258页。 [178] Fan Yang，Wongun Choi，Yuanqing Lin，Exploit all layers:Fast and accurate cnn object detector with scale dependent pooling and cascaded rejection classifiers，收录于：IEEE Conference on Computer Vision and Pattern Recognition，2016年，第2129-2137页。 [179] 撒马尔·勃拉姆巴特；亨利克·克里斯滕森（Henrik I.Christensen）。；James Hays，Stuffnet：使用“填充物”改进目标检测，（2017年IEEE计算机视觉应用冬季会议，WACV（2017），IEEE），934-943 [180] 任少清；何开明；Ross Girshick；张向玉；孙健，卷积特征图上的目标检测网络，IEEE Trans。模式分析。机器。智力。，39, 7, 1476-1481 (2016) [181] Spyros Gidaris，Nikos Komodakis，通过多区域和语义分割软件cnn模型进行对象检测，收录于：IEEE计算机视觉国际会议论文集，2015年，第1134-1142页。 [182] 孔涛，姚安邦，陈玉荣，孙富春，Hypernet：面向精确区域建议生成和联合目标检测，载《IEEE计算机视觉和模式识别会议论文集》，2016年，第845-853页。 [183] Abhinav Shrivastava、Abhinav-Gupta、Ross Girshick，《利用在线硬示例挖掘训练基于区域的目标检测器》，摘自：《IEEE计算机视觉和模式识别会议论文集》，2016年，第761-769页。 [184] Sean Bell，C.Lawrence Zitnick，Kavita Bala，Ross Girschick，《内外网：利用跳跃池和递归神经网络检测上下文中的对象》，载于：《IEEE计算机视觉和模式识别会议论文集》，2016年，第2874-2883页。 [185] 邹正霞；石振伟；郭玉红；叶洁平，《20年来的物体检测：一项调查》（2019），arXiv预印本arXiv:1905.05055 [186] 周鹏，倪冰冰，耿聪，胡建国，徐毅，可缩放物体检测，载《IEEE计算机视觉与模式识别会议论文集》，2018年，第528-537页。 [187] 李步友，刘瑜，王晓刚，梯度协调单级检测器，载《AAAI人工智能会议论文集》，2019年第33卷，第8577-8584页。 [188] 田智，沈春华，陈浩，何彤，Fcos:完全卷积一步目标检测，收录于：IEEE国际计算机视觉会议论文集，2019年，第9627-9636页。 [189] 周兴义，卓嘉诚，菲利普·克拉亨布尔，通过分组极点和中心点进行自底向上目标检测，收录于：IEEE计算机视觉和模式识别会议论文集，2019年，第850-859页。 [190] 朱友松，赵朝阳，王金桥，赵旭，吴毅，陆汉清，Couplenet：将全局结构与局部部分耦合用于目标检测，收录于：IEEE计算机视觉国际会议论文集，2017年，第4126-4134页。 [191] 徐洪宇，吕旭涛，王晓宇，周仁，纳瓦内斯·博德拉，拉玛·切拉帕，用于物体检测的深层区域网，摘自：《欧洲计算机视觉会议论文集》，ECCV，2018年，第798-814页。 [192] 陈哲，黄少丽，陶大成，用于目标检测的上下文细化，载《欧洲计算机视觉会议论文集》，ECCV，2018年，第71-86页。 [193] 蔡兆伟（Zhaowei Cai），努诺·瓦康塞洛斯（Nuno Vasconcelos），《级联r-cnn：深入研究高质量目标检测》（Cascade r-cnn），载于《IEEE计算机视觉与模式识别会议论文集》（2018），第6154-6162页。 [194] Li Yanghao，Chen Yuntao，Wang Naiyan，Zhang Zhaoxiang，用于物体检测的尺度感知三叉神经网络，收录于：IEEE国际计算机视觉会议论文集，2019年，第6054-6063页。 [195] 邓，贾；董伟；理查德·索彻（Richard Socher）；李，李佳；李凯；Fei-Fei，Li，Imagenet:大型分层图像数据库，（2009 IEEE计算机视觉和模式识别会议（2009），IEEE），248-255 [196] 阿利纳库兹涅佐娃；哈桑·罗姆；尼尔·奥尔德林；贾斯珀·尤伊林；伊凡·克拉辛（Ivan Krasin）；约尔迪·蓬特·图塞特；沙哈卜·卡马利；波波夫，斯特凡；马特奥·马尔西斯；Tom Duerig，The open images dataset v4:统一图像分类、目标检测和大规模视觉关系检测（2018），arXiv预印本arXiv:1811.00982 [197] 朱鹏飞；文龙音；卞、肖；凌，海滨；胡庆华，《视觉与无人机：挑战》（2018），arXiv预印本arXiv:1804.07437 [198] Agrim Gupta，Piotr Dollar，Ross Girshick，LVIS：大型词汇实例分割的数据集，收录于：IEEE计算机视觉和模式识别会议论文集，2019年，第5356-5364页。 [199] 安德烈亚斯·埃斯；巴斯蒂安·雷贝（Bastian Leibe）；Van Gool，Luc，移动场景分析的深度和外观，（2007年IEEE第11届国际计算机视觉会议（2007），IEEE），1-8 [200] 安德烈亚斯·盖革；菲利普·伦茨；克里斯托夫·斯蒂勒；Urtasun，Raquel，Vision meet robotics:The kitti dataset，Int.J.Robot。研究，32，11，1231-1237（2013） [201] 沃杰克（Christian Wojek）；斯特凡·沃克（Stefan Walk）；Schiele，Bernt，多通道车载行人检测，（2009年IEEE计算机视觉和模式识别会议（2009年），IEEE），794-801 [202] 安德烈亚斯·盖革（Andreas Geiger）；菲利普·伦茨（Philip Lenz）；Urtasun，Raquel，我们准备好自动驾驶了吗？kitti vision基准套件，（2012年IEEE计算机视觉和模式识别会议（2012），IEEE），3354-3361 [203] Shanshan Zhang、Rodrigo Benenson、Bernt Schieles，《Citypersons:行人检测的多样性数据集》，载于《IEEE计算机视觉和模式识别会议论文集》，2017年，第3213-3221页。 [204] 李晓飞；费比安·弗洛尔；杨越；熊、惠；马库斯·布劳恩；潘淑月；李克强；Gavrila，Dariu M.，基于视觉的自行车检测新基准，（2016年IEEE智能车辆研讨会，IV（2016），IEEE），1028-1033 [205] 维迪特·贾恩（Vidit Jain）；Learnd-Miller，Erik，Fddb:《无约束设置中人脸检测的基准技术报告》（2010），麻省大学阿默斯特校区技术报告 [206] 杨硕，罗萍，陈昌乐，唐晓鸥，《宽脸：人脸检测基准》，载《IEEE计算机视觉与模式识别会议论文集》，2016年，第5525-5533页。 [207] 他，冉；吴湘；孙振安；Tan，Tieniu，Wasserstein cnn：学习近距离人脸识别的不变特征，IEEE Trans。模式分析。机器。智力。，41, 7, 1761-1773 (2018) [208] 小张、赵蕊、于乔、王晓刚、李洪生、阿达科斯：自适应缩放余弦逻辑以有效学习深层面表示，载于《IEEE计算机视觉和模式识别会议论文集》，2019年，第10823-10832页。 [209] 刘禹；李洪阳；王晓刚，重新思考大规模识别的特征识别和聚合（2017），arXiv预印本arXiv:1710.00870 [210] Rajeev Ranjan；Carlos D.Castillo。；Chellappa，Rama，识别人脸验证的L2-受限softmax损失（2017），arXiv预印本arXiv:1703.09507 [211] 王峰，向翔，程健，阿兰·洛登·尤耶，《标准脸：用于人脸验证的L2超球面嵌入》，载《第25届ACM国际多媒体会议论文集》，2017年，第1041-1049页。 [212] 郭玉伟；焦立成；王爽；王朔；Liu，Fang，用于单图像人脸识别的模糊稀疏自动编码器框架，IEEE Trans。赛博。，24202-2145年8月48日（2017年） [213] 马库斯·布劳恩；塞巴斯蒂安·克雷布斯；费比安·弗洛尔；Gavrila，Dariu M.，《欧洲城市人：交通场景中人检测的新基准》，IEEE Trans。模式分析。机器。智力。，41, 8, 1844-1861 (2019) [214] 蔡兆伟；萨伯里亚语、穆罕默德·贾瓦德；Vasconcelos，Nuno，Learning complexity aware cascades for行人检测，IEEE Trans。模式分析。机器。智力。(2019) [215] 萨伯里亚语、穆罕默德·贾瓦德；Vasconcelos，Nuno，学习最佳嵌入式级联，IEEE Trans。模式分析。机器。智力。，34, 10, 2005-2018 (2012) [216] 彼得·多拉尔（Piotr Dollár）；罗恩·阿佩尔；贝隆吉，谢尔盖；佩罗纳（Perona），彼得罗（Pietro），《目标检测的快速特征金字塔》，IEEE Trans。模式分析。机器。智力。，36, 8, 1532-1545 (2014) [217] 刘，宋；山田真本；奈杰尔·科利尔；Sugiyama，Masashi，通过相对密度比估计对时间序列数据进行变点检测，神经网络。，43, 72-83 (2013) ·Zbl 1367.62259号 [218] 塞宁，帕维尔；Jessica Lin；王兴；蒂姆·奥茨（Tim Oates）；苏尼尔·甘地；阿诺德·博迪哈乔（Arnold P.Boedihardjo）。；Chen，Crystal；苏珊·弗兰肯斯坦（Susan Frankenstein），《语法3.0：可变长度时间序列模式的交互式发现》（Grammarviz 3.0），ACM Trans。知识。数字化信息系统。数据（TKDD），12，1，1-28（2018） [219] 姜孟；亚历克斯·伯特尔（Alex Beutel）；崔鹏；布赖恩·胡伊（Bryan Hooi）；杨世强；Faloutsos，Christos，《多模数据中密集数据块的一般怀疑度量》，（2015年IEEE国际数据挖掘会议（2015），IEEE），781-786 [220] 吴，伊丽莎白；刘伟；Chawla，Sanjay，降水数据中的时空异常值检测，（传感器数据知识发现国际研讨会（2008），施普林格），115-133 [221] Barz，比约恩；埃里克·罗德纳（Erik Rodner）；加西亚、亚尼拉·关切；Denzler，Joachim，检测时空异常检测的最大发散区域，IEEE Trans。模式分析。机器。智力。，41, 5, 1088-1101 (2018) [222] 郑，龚；韩俊伟，《光学遥感图像中目标检测的调查》，ISPRS J.Photogram。遥感，117，11-28（2016） [223] 什瓦库马拉，帕拉亚纳科特；唐东奇；Asadzadehkaljahi，玛丽亚姆；鲁童；乌马帕达·帕尔；Anisi，Mohammad Hossein，基于CNN-RNN的车牌识别方法，CAAI Trans。智力。技术。，3, 3, 169-175 (2018) [224] 穆罕默德·萨拉兹（Muhammad Sarfraz）；Ahmed，Mohammed Jameel，使用神经网络的车牌识别系统方法，（探索进化计算的关键方法（2019），IGI Global），20-36 [225] 李慧；王鹏；沈春华，利用深度神经网络实现端到端车牌检测和识别，IEEE Trans。智力。运输。系统。，20, 3, 1126-1136 (2018) [226] 钱金星；瞿波，基于竞争神经网络的快速车牌识别方法，（2018年第三届通信、信息管理和网络安全国际会议，CIMNS 2018（2018），亚特兰蒂斯出版社） [227] Rayson Laroca；Evair Severo；Luiz A.Zanlorensi。；路易斯·奥利维拉（Luiz S.Oliveira）。；加布里埃尔·雷森德（Gabriel Resende），贡萨尔维斯（Gonçalves）；威廉·罗布森（William Robson）施瓦茨（Schwartz）；Menotti，David，基于YOLO检测器的鲁棒实时自动车牌识别，（2018年神经网络国际联合会议，IJCNN（2018），IEEE），1-10 [228] 宋西斌、王鹏、周定福、朱瑞、关晨烨、戴玉超、苏浩、李洪东、杨瑞刚、阿波罗3d：自动驾驶的大型三维汽车实例理解基准，收录于：IEEE计算机视觉与模式识别会议论文集，2019年，第5452-5462页。 [229] 科耶尔·班纳吉；多米尼克·诺茨；约翰·温德伦（Johannes Windelen）；苏曼特加瓦拉朱；何明康，在线相机激光雷达融合和混合数据自动驾驶目标检测，（2018 IEEE智能车辆研讨会，IV（2018），IEEE），1632-1638 [230] 李佳；王增福，基于野外有效CNN的实时交通标志识别，IEEE Trans。智力。运输。系统。，20, 3, 975-984 (2018) [231] T.Arinaga T.Moritani，交通标志识别系统，美国专利98651652018。 [232] 哈立德，萨拉；纳齐尔穆罕默德；谢里夫（Sharif）、穆罕默德（Muhammad），《带数字分割和识别的交通标志自动测量》（Automatic measurement of the traffic sign with digital segmentation and recognition），IET Intell。运输。系统。，13, 2, 269-279 (2018) [233] 阿尔瓦雷斯·加尔（lvarez Garc）a，a。；Arcos-电弧a，J.a.a。；Soria-Morillo，L.M.，《交通标志识别系统的深度神经网络：空间变换器和随机优化方法分析》，神经网络。，99, 158-165 (2018) [234] 李栋；赵东斌；Chen，Yaran；张启超，Deepsign:基于深度学习的交通标志识别，（2018年神经网络国际联合会议，IJCNN（2018），IEEE），1-6 [235] 吴伯勋；王平玉；杨一塔；郭久英，利用光卷积网络进行交通标志识别，（2018 IEEE消费电子国际会议-台湾，ICCE-TW（2018），IEEE），1-2 [236] 周树仁；梁文龙；李俊国；Kim，Jeong-Uk，道路交通标志识别的改进VGG模型，计算。马特。Continua，57，1，11-24（2018） [237] 陈贤杰；Yuille，Alan L.，通过图像相关成对关系的图形模型进行关节姿势估计，（神经信息处理系统进展（2014）），1736-1744 [238] 范晓川，郑康，林跃伟，王松，结合局部外观和整体观点：用于人体姿势估计的双源深层神经网络，收录于：IEEE计算机视觉和模式识别会议论文集，2015年，第1347-1355页。 [239] 格雷戈里·罗杰斯（Gregory Rogez）；菲利普·温扎普费尔（Philippe Weinzaepfel）；Schmid，Cordelia，Lcr-net++：自然图像中的多人二维和三维姿势检测，IEEE Trans。模式分析。机器。智力。，42, 5, 1146-1161 (2019) [240] 陈毅伦，王志成，彭玉祥，张志强，余刚，孙健，用于多人姿态估计的级联金字塔网络，收录于：IEEE计算机视觉与模式识别会议论文集，2018年，第7103-7112页。 [241] 乔治·帕潘德里欧（George Papandreou）、泰勒·朱（Tyler Zhu）、诺里·金泽（Nori Kanazawa）、亚历山大·托舍夫（Alexander Toshev）、乔纳森·汤普森（Jonathan Tompson）、克里斯·布雷格勒（Chris Bregler）、凯文·墨菲（Kevin Murphy），《走向野外准确的多人姿势估计》（Towards。 [242] 肖斌，吴海平，魏一晨，人体姿态估计和跟踪的简单基线，摘自：《欧洲计算机视觉会议论文集》，ECCV，2018年，第466-481页。 [243] Shih-En Wei，Varun Ramakrishna，Takeo Kanade，Yaser Sheikh，卷积姿势机器，摘自：IEEE计算机视觉和模式识别会议记录，2016年，第4724-4732页。 [244] 李卓玲；董明辉；文世平；胡湘；周，潘；Zeng，Zhigang，CLU细胞神经网络：医学图像的对象检测，神经计算，350，53-59（2019） [245] 杨振国；李青；刘文银；吕建明，用于多域事件检测的共享多视图数据表示，IEEE Trans。模式分析。机器。智力。(2019) [246] 王燕翔，哈里·桑达拉姆，谢乐兴，基于交互图建模的社会事件检测，载《第20届ACM多媒体国际会议论文集》，2012年，第865-868页。 [247] Manos Schinas、Symeon Papadopoulos、Georgios Petkos、Yiannis Kompatsiaris、Pericles A.Mitkas，《社交媒体流中基于多模态图形的事件检测和摘要》，载于《第23届ACM多媒体国际会议论文集》，2015年，第189-192页。 [248] 奥利维埃·特布尔（Olivier Teboul）；科基诺斯、伊索纳斯；西蒙·洛伊克（Loic Simon）；Koutsourakis、Panagiotis；Paragios，Nikos，通过强化学习进行形状语法分析，（CVPR 2011（2011），IEEE），2273-2280 [249] 赵鹏；方、田；肖建雄；张宏辉；赵秦平；Quan，Long，城市环境中建筑的直线解析，（2010年IEEE计算机学会计算机视觉和模式识别会议（2010），IEEE），342-349 [250] 萨姆·弗里德曼；Stamos，Ioannis，在线检测城市场景点云中的重复结构以进行压缩和注册，国际计算杂志。视觉。，102, 1-3, 112-128 (2013) [251] 沈朝晖；黄世胜；傅洪波；胡世民，城市立面的自适应分割，ACM Trans。图表。，30, 6, 1-10 (2011) [252] 格兰特·辛德勒；克里希纳穆尔西（Krishnamurthy），潘查帕格桑（Panchapagesan）；罗伯托·卢布林曼（Roberto Lublinerman）；刘延西；Dellaert，Frank，《城市环境中自动地理标记的重复模式检测与匹配》，（2008年IEEE计算机视觉和模式识别会议（2008年），IEEE），1-7 [253] 吴昌昌；詹·迈克尔·弗拉姆（Jan-Michael Frahm）；Pollefeys，Marc，《检测具有显著边界的大型重复结构》（欧洲计算机视觉会议（2010），Springer），142-155 [254] 沈朝晖；黄世胜；傅洪波；胡世民，基于图像的立面程序建模，ACM Trans。图表。，26, 85-95 (2007) [255] 奥尔加·巴里诺娃；维克托·兰皮茨基（Victor Lempitsky）；特雷蒂亚克，埃琳娜；Kohli，Pushmet，人造环境中的几何图像解析，（欧洲计算机视觉会议（2010），施普林格），57-70 [256] Mateusz Kozinski，Raghudep Gadde，Sergey Zagoruyko，Guillaume Obozinski，Renaud Marlet，用于遮挡立面解析的MRF形状先验，载于：《IEEE计算机视觉和模式识别会议论文集》，2015，第2820-2828页。 [257] Andrea Cohen，Alexander G.Schwing，Marc Pollefeys，使用动态编程对立面进行高效结构化解析，收录于：IEEE计算机视觉和模式识别会议论文集，2014年，第3206-3213页。 [258] 西尔维娅·甘迪；本杰明·雷赫特（Benjamin Recht）；Yamada，Isao，通过凸优化实现张量补全和低阶张量恢复，逆问题，27，2，文章025010 pp.（2011）·Zbl 1211.15036号 [259] 刘，季；穆西亚尔斯基（Musialski），普尔泽米斯劳（Przemyslaw）；旺卡，彼得；Ye，Jieping，估计视觉数据中缺失值的张量补全，IEEE Trans。模式分析。机器。智力。，35, 1, 208-220 (2012) [260] 刘娟；Psarakis，Emmanouil Z。；冯、杨；Stamos，Ioannis，二维城市图像重复模式检测的kronecker产品模型，IEEE Trans。模式分析。机器。智力。，41, 9, 2266-2272 (2018) [261] Oriol Vinyals，Alexander Toshev，Samy Bengio，Dumitru Erhan，Show and tell:A neural image caption generator，收录于《IEEE计算机视觉和模式识别会议论文集》，2015年，第3156-3164页。 [262] 顾久祥，蔡建飞，王刚，陈楚汉，堆叠卡：图像字幕的粗到精学习，收录于：2018年第三十二届AAAI人工智能会议。 [263] Kelvin Xu、Jimmy Ba、Ryan Kiros、Kyunghyun Cho、Aaron Courville、Ruslan Salakhudinov、Rich Zemel、Yoshua Bengio，《展示、出席和讲述：视觉注意力下的神经图像字幕生成》，载于：《国际机器学习会议》，2015年，第2048-2057页。 [264] Peter Anderson、Xiaodong He、Chris Buehler、Damien Teney、Mark Johnson、Stephen Gould、Lei Zhang，图像字幕和视觉问答的自下而上和自上而下关注，摘自：IEEE计算机视觉和模式识别会议记录，2018年，第6077-6086页。 [265] A.Deshpande，J.Aneja，A.G.Schwing，卷积图像字幕，摘自：IEEE计算机视觉和模式识别会议记录，2018年，第5561-5570页。 [266] 吴哲，苏丽，黄清明，用于快速准确检测显著目标的级联部分解码器，收录于：IEEE计算机视觉和模式识别会议论文集，2019年，第3907-3916页。 [267] 王文冠；沈建兵；董兴平；Ali Borji；杨瑞刚，从人类注视中推断出显著物体，IEEE Trans。模式分析。机器。智力。(2019) [268] 王林钊；王丽君；陆、户川；张平平；阮，翔，用递归全卷积网络检测突出目标，IEEE Trans。模式分析。机器。智力。，41, 7, 1734-1746 (2018) [269] 冯梦阳，陆虎川，丁二瑞，边界感知显著目标检测的注意反馈网络，收录于：IEEE计算机视觉与模式识别会议论文集，2019年，第1623-1632页。 [270] Zheng Zhang、Chengquan Zhang，Wei Shen，Cong Yao，Wenyu Liu，Xiang Bai，完全卷积网络的多方向文本检测，收录于：IEEE计算机视觉和模式识别会议论文集，2016年，第4159-4167页。 [271] 姚聪；白、香；桑，农；周新余；周树昌；曹志敏，通过整体多通道预测进行场景文本检测（2016），arXiv预打印arXiv:1606.09002 [272] 何彤；黄伟林；乔宇；Yao，Jian，级联卷积文本网络在自然图像中的精确文本定位（2016），arXiv预印本arXiv:1603.09423·Zbl 1408.94242号 [273] 刘鹏远，姚聪，吴文浩，颜水成，白翔，基于角点定位和区域分割的多方向场景文本检测，收录于：IEEE计算机视觉与模式识别会议论文集，2018年，第7553-7563页。 [274] 马建奇；邵伟远；叶浩；王，李；王红；郑应斌；薛向阳，通过旋转方案的任意定向场景文本检测，IEEE Trans。多媒体。，20, 11, 3111-3122 (2018) [275] 马丁·恩格尔克（Martin Engelcke）；Rao，Dushyant；王，Dominic Zeng；Tong，Chi Hay；Posner，Ingmar，Vote3deep:使用高效卷积神经网络在三维点云中快速检测目标，（2017 IEEE机器人与自动化国际会议，ICRA（2017），IEEE），1355-1361 [276] Charles R.Qi，Hao Su，Kaichun Mo，Leonidas J.Guibas，Pointnet：三维分类和分割的点集深度学习，收录于：IEEE计算机视觉和模式识别会议论文集，2017年，第652-660页。 [277] Yin Zhou，Oncel Tuzel，Voxelnet：基于点云的三维物体检测的端到端学习，摘自：IEEE计算机视觉和模式识别会议论文集，2018年，第4490-4499页。 [278] Zhe Cao，Tomas Simon，Shih-En Wei，Yaser Sheikh，使用部分亲和场的实时多人二维姿势估计，收录于：IEEE计算机视觉和模式识别会议论文集，2017年，第7291-7299页。 [279] 阿德里安·布拉特；Tzimiropoulos，Georgios，通过卷积部分热图回归进行人体姿势估计，（欧洲计算机视觉会议（2016），Springer），717-732 [280] 亚历杭德罗·纽厄尔（Alejandro Newell）；杨凯玉；Deng，Jia，用于人体姿势估计的堆积沙漏网络，（欧洲计算机视觉会议（2016），Springer），483-499 [281] 李文波；王志成；尹彬仪；彭奇祥；杜玉明；肖天子；于刚；陆洪涛；魏宜晨；孙健，《关于人体姿势估计多阶段网络的再思考》（2019），arXiv预印本arXiv:1901.00148 [282] 乔纳森·克劳斯（Jonathan Krause）、迈克尔·斯塔克（Michael Stark）、贾登（Jia Deng）、李飞飞（Li Fei-Fei），《细粒度分类的三维对象表示》（3d object Representation for fine-grained categories），收录于：IEEE国际计算机视觉研讨会会议记录，2013年，第554-561。 [283] 林宗宇，阿鲁尼·罗伊·乔杜里，苏伯兰苏·马吉，用于细粒度视觉识别的双线性cnn模型，收录于：IEEE国际计算机视觉会议论文集，2015年，第1449-1457页。 [284] 何香腾，彭玉欣，赵俊杰，基于盐度引导的快速R-CNN细粒度鉴别定位，载《第25届ACM国际多媒体会议论文集》，2017年，第627-635页。 [285] 他，香腾；彭雨欣；Zhao，Junjie，通过弱监督判别定位的快速细粒度图像分类，IEEE Trans。电路系统。视频技术。，29, 5, 1394-1407 (2018) [286] 何建忠，张世良，杨明，单艳虎，黄铁军，感知边缘检测的双向级联网络，收录于：IEEE计算机视觉与模式识别会议论文集，2019年，第3828-3837页。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。