×

基于深度学习的目标检测技术综述。 (英语) Zbl 1484.68261

摘要:目标检测是计算机视觉中最基本、最具挑战性的视觉识别任务之一,近几十年来受到了广泛的关注。目标检测技术应用于几乎所有的生活领域,其中最突出的是监控、自动驾驶、行人检测等。视觉目标检测的主要目标是在真实场景或输入图像中对属于特定类目标的对象进行绝对定位,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快速发展,目标检测器的性能得到了迅速的提高,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。本文对基于深度学习的视觉目标检测的最新进展进行了全面综述。首先,我们回顾了大量的文献,并以此为基础分析了传统和当前的目标检测器。之后,我们主要对目标检测的主干体系结构进行了严格的概述,然后系统地介绍了当前的学习策略。分析了一些常用的目标检测数据集和度量。最后,我们讨论了目标检测的应用,并提出了一些未来的发展方向,以促进深入学习视觉目标检测的研究。

理学硕士:

68T45型 机器视觉与场景理解
68T07型 人工神经网络与深度学习
68-02年 与计算机科学有关的研究展览会(专著、调查文章)
PDF格式 BibTeX公司 XML 引用
全文: 内政部

参考文献:

[1] 焦立成;张帆;刘芳;杨树元;李玲玲;冯志喜;屈荣,《基于深度学习的目标检测研究》,IEEE Access,7128837-128868(2019)
[2] Nvidia,Huang Jensen,用GPU加速人工智能:一种新的计算模型(2020),检索时间:2020年6月20日上午11:45,网址https://blogs.nvidia.com/blog/2016/01/12/accelerating-ai-artificial-intelligence-gpus/
[3] 吴雄伟;沙乌,多恩;霍伊,史蒂芬·C·H.,《目标检测深度学习的最新进展》,神经计算(2020)
[4] 何开明,张向玉,任少青,孙建新,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] 陈良侠;帕潘德里欧,乔治;Kokkinos,Iasonas公司;墨菲,凯文;Yuille,Alan L.,用深卷积网络和完全连接的CRF进行语义图像分割(2014),arXiv预印本arXiv:1412.7062
[6] Ross Girshick,Jeff Donahue,Trevor Darrell,Jitendra Malik,Rich feature Hierarchys for accurate object detection and segmentation,in:IEEE计算机视觉和模式识别会议论文集,2014年,第580-587页。
[7] 何凯明,乔治亚·吉奥萨里,皮奥特·多拉,罗斯·吉尔希克,面具r-cnn,摘自:IEEE计算机视觉国际会议论文集,2017年,第2961-2969页。
[8] 孙奕;梁、丁;王晓刚;唐晓欧,深ID3:基于非常深神经网络的人脸识别(2015),arXiv预印本arXiv:1502.00873
[9] 孙奕;陈玉恒;王晓刚;唐晓欧,联合识别验证的深度学习人脸表示,(神经信息处理系统进展(2014)),1988-1996
[10] 刘伟阳,温彦东,余志定,李明丽,比夏拉吉,宋乐乐,球面:用于人脸识别的深层超球面嵌入,载:IEEE计算机视觉与模式识别会议论文集,2017年,第212-220页。
[11] 李建安;梁晓丹;沈圣梅;徐廷发;冯嘉实;严水成,行人检测的比例感知快速R-CNN,IEEE译。多媒体,204985-996(2017)
[12] Jan Hosang,Mohamed Omran,Rodrigo Benenson,Bernt Schiele,《深入观察行人》,载:IEEE计算机视觉和模式识别会议论文集,2015年,第4073-4082页。
[13] 安琪洛娃,安妮莉亚;亚历克斯·克里兹夫斯基;万霍克,文森特;奥加莱,阿比吉特;Ferguson,Dave,《深度网络级联实时行人检测》(2015)
[14] 嗨,史蒂芬·CH;吴雄伟;刘汉堂;吴越;王惠琼;薛、慧;吴强,Logo net:deep-region-based-crolutional networks(2015),arXiv预印本arXiv:1511.02462
[15] 苏,挂;朱夏天;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年IEEE计算机视觉应用冬季会议(WACV)),IEEE,530-539
[16] Andrej Karpathy,George Toderici,Sanketh Shetty,Thomas Leung,Rahul Sukhankar,Li Fei Fei,用卷积神经网络进行大规模视频分类,载: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,Jason Weston,视频中时间一致性的深度学习,in: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年),更正arXiv:1504.08083
[19] Joseph Redmon,Santosh Divvala,Ross Girshick,Ali Farhadi,《你只看一次:统一的实时目标检测》,摘自:IEEE计算机视觉和模式识别会议论文集,第779-788页。
[20] 任少卿;何开明;女孩,罗斯;孙建安,更快的r-cnn: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.,局部尺度不变特征的目标识别,(第七届IEEE国际计算机视觉会议论文集,第2卷(1999),IEEE),1150-1157
[22] 贝,赫伯特;Tuytelaars,Tinne公司;Van Gool,Luc,Surf:加速健壮特性(欧洲计算机视觉会议(2006),Springer),404-417
[23] 莱恩哈特,雷纳;Maydt,Jochen,用于快速目标检测的扩展类haar特征集,(国际图像处理会议论文集,第1卷(2002年),IEEE),第I-I页
[24] 维格,埃莉诺拉;多尔,迈克尔;Cox,David,自然图像显著性预测的层次特征大规模优化,(IEEE计算机视觉与模式识别会议论文集(2014)),2798-2805
[25] 达拉尔,纳夫涅特;Triggs,Bill,用于人类检测的定向梯度直方图,(2005年IEEE计算机协会计算机视觉和模式识别会议(CVPR'05),第1卷(2005年),IEEE),886-893
[26] 项羽;崔,元君;林元庆;Savarese,Silvio,用于目标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,约亚夫;Schapire,Robert E.,《在线学习的决策理论概括及其在提升中的应用》(欧洲计算学习理论会议(1995年),Springer),23-37
[28] 弗伦德,约亚夫;Schapire,Robert E.,《新boosting算法的实验》(Icml,第96卷(1996),Citeseer),148-156
[29] 奥皮茨,大卫;理查德.麦克林,《流行的集成方法:实证研究》,J.Artf。因特尔。第1169-198号决议(1999年)·Zbl 0924.68159
[30] 费尔泽斯瓦布,P.F。;吉尔希克,R.B。;麦卡莱斯特,D。;Ramanan,D.,《基于区分训练的零件模型的目标检测》,IEEE Trans。肛门模式。机器。内尔。,1627-1645年(2010年)
[31] 马克,Everingham;范古尔,卢克;威廉姆斯,克里斯托弗·K·I。;约翰,温;Zisserman,Andrew,2007年PASCAL可视对象类挑战赛(VOC2007)结果(2007年)
[32] 马克,Everingham;范古尔,卢克;威廉姆斯,克里斯托弗·基;约翰,温;安德鲁·齐瑟曼,《帕斯卡可视化对象类(voc)挑战》,国际计算机杂志。可见。,882303-338(2010年)
[33] Lowe,David G.,《尺度不变关键点的独特图像特征》,国际计算机杂志。可见。,第60、2、91-110页(2004年)
[34] 奥贾拉,蒂莫;皮提凯宁,马蒂;马恩帕,Topi,局部二值模式的多分辨率灰度和旋转不变纹理分类,IEEE Trans。肛门模式。机器。内尔。,247971-987(2002年)·Zbl 0977.68853
[35] 亚历克斯·克里兹夫斯基;萨斯克弗,伊利亚;Hinton,Geoffrey E.,用深卷积神经网络进行图像网络分类,(神经信息处理系统进展(2012)),1097-1105
[36] 曹桂梅;谢雪梅;杨文哲;廖泉;石光明;Wu,Jinjian,Feature fused SSD:Fast detection for small objects,(第九届图形图像处理国际会议(ICGIP 2017),第10615卷(2018),国际光学与光子学学会),106151E
[37] Subarna Tripathi,Gokce Dane,Byeongkun Kang,Vasudev Bhaskaran,Truong Nguyen,LCDet:嵌入式系统中目标检测的低复杂度全卷积神经网络,in:IEEE计算机视觉和模式识别研讨会论文集,2017年,第94-103页。
[38] Jia Yangqing Jia,Evan Shelhamer,Jeff Donahue,Sergey Karayev,Jonathan Long,Ross Girshick,Sergio Guadarrama,Trevor Darrell,Caffe:快速特征嵌入的卷积架构,in:第22届ACM国际多媒体会议论文集,2014,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年),IEEE),633-638
[40] Ngiam Jiquan,Aditya Khosla,Mingyu Kim,Juhan Nam,Honglak Lee,AY Ng,多模式深度学习,第28届机器学习国际会议论文集(ICML-11),第6896962011卷。
[41] 蒋玉刚;吴祖轩;唐金辉;李泽超;薛,襄阳;张世福,视频分类的混合深度学习框架中的多模式线索建模,IEEE Trans。多媒体。,20、11、3137-3147(2018年)
[42] 汤姆,丹尼斯;蒙蒂,费德里科;巴罗菲奥,卢卡;邦迪,卢卡;塔利亚萨奇,马可;图巴罗,斯特凡诺,行人检测的深度卷积神经网络,信号处理。,形象公社。,47482-489(2016年)
[43] 赵忠秋;卞海曼;胡东辉;程文娟;Glotin,Hervé,基于快速R-CNN和批量标准化的行人检测,(ICIC 2017:智能计算理论与应用(2017),Springer),735-746
[44] 张晨,金俊海,位置感知可变形卷积和后向注意滤波的目标检测,载:IEEE计算机视觉与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,in: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;安圭洛夫,德拉戈米尔;二汉、杜米特鲁;塞格迪,基督徒;里德,斯科特;傅成阳;Berg,Alexander C.,Ssd:单次多盒探测器,(欧洲计算机视觉会议(2016年),Springer),21-37
[47] 林宗毅,Piotr Dollár,Ross Girshick,Kaiming He,Bharath Hariharan,Serge Belongie,《目标检测的特征金字塔网络》,载:IEEE计算机视觉与模式识别会议论文集,2017年,第2117-2125页。
[48] 杨明萱;克里格曼,大卫J。;阿胡贾,纳伦德拉,《在图像中检测人脸:一项调查》,IEEE Trans。肛门模式。机器。内尔。,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。维斯。图像理解。,138,1-24(2015年)
[50] 叶启祥;杜尔曼,大卫,《图像中的文本检测和识别:调查》,IEEE Trans。肛门模式。机器。内尔。,3771480-1500(2014年)
[51] 美元,皮奥特;沃耶克,基督徒;斯基尔,伯恩特;佩罗娜,皮埃特罗,行人检测:最新技术的评估,IEEE Trans。肛门模式。机器。内尔。,344743-761(2011年)
[52] 恩兹韦勒,马库斯;Gavrila,Dariu M.,单目行人检测:调查与实验,IEEE Trans。肛门模式。机器。内尔。,31、12、2179-2195(2008年)
[53] 杰罗尼莫,大卫;安东尼奥·M·洛佩兹。;萨帕,天使D。;Graf,Thorsten,高级驾驶员辅助系统行人检测调查,IEEE Trans。肛门模式。机器。内尔。,第32、7、1239-1258页(2009年)
[54] 孙泽航;比比斯,乔治;Ronald Miller,《道路车辆检测:综述》,IEEE Trans。肛门模式。机器。内尔。,285694-711(2006年)
[55] 张欣;杨怡红;韩志光;王辉;高,赵,对象类检测:一个调查,ACM计算机。调查。,46,1,1-53(2013年)
[56] 焦立成;张帆;刘芳;杨树元;李玲玲;冯志喜;屈荣,《基于深度学习的目标检测研究》,IEEE Access,7128837-128868(2019)
[57] 赵忠秋;郑鹏;徐守涛;吴新东,深度学习的目标检测:一个回顾,IEEE译。神经网络。学习。系统。,30,11,3212-3232(2019年)
[58] 孙泽航;比比斯,乔治;Ronald Miller,《道路车辆检测:综述》,IEEE Trans。肛门模式。机器。内尔。,285694-711(2006年)
[59] 庞塞,琼;赫伯特,军事;施密德,科迪莉亚;Zisserman,Andrew,面向类别级对象识别,第4170卷(2007),Springer
[60] 迪金森,斯文J。;莱昂纳迪斯,阿莱;斯基尔,伯恩特;《物体分类:计算机与人类视觉透视》(2009),剑桥大学出版社
[61] 加列吉洛斯,卡罗来纳州;《基于上下文的对象分类:一个批判性调查》,计算机。维斯。图像理解。,1146712-722(2010年)
[62] 格雷曼,克里斯汀;莱比,巴斯蒂安,视觉对象识别,合成。选择。人工制品。因特尔。机器。学习。,5,2,1-181(2011年)
[63] 安德烈奥普洛斯,亚历山大;《物体识别50年:前进方向》,约翰·K.,《计算机》。维斯。图像理解。,117827-891(2013年)
[64] 本吉奥,约书亚;考维尔,亚伦;帕斯卡,文森特,《表征学习:回顾与新视角》,IEEE Trans。肛门模式。机器。内尔。,3581798-1828(2013年)
〔65〕 阿里,博尔基;程明明;侯启斌;蒋怀祖;李,贾,突出物检测:调查,计算机。维斯。媒体,1-34(2019年)
[66] 李亚丽;王胜金;田七;丁晓青,基于统计学习的目标检测特征表示:综述,模式识别。,第48、11、3542-3559页(2015年)
[67] 乐坤,雅恩;本吉奥,约书亚;Hinton,Geoffrey,《深度学习》,自然,5217553436-444(2015)
[68] 利特詹斯,吉尔特;古伊,提斯;比约诺迪,巴巴克·埃特萨米;塞蒂奥,阿诺·阿林德拉·阿迪约索;乔皮,弗朗西斯科;莫森,加福里安;范德拉克,杰伦Awm;范金尼肯,布拉姆;Sánchez,Clara I.,《医学图像分析中的深度学习调查》,医学图像分析。,42,60-88(2017年)
〔69〕 顾久香;王振华;库恩,杰森;马连阳;沙鲁迪,阿米尔;帅、兵;刘婷;王兴兴;王刚;蔡建飞,卷积神经网络研究进展,模式识别。,77354-377(2018年)
[70] 邹正霞;史振伟;郭玉红;叶洁平,20年来的目标检测:一项调查(2019),arXiv预印本arXiv:1905.05055
[71] 维奥拉,保罗;Jones,Michael,使用简单特征的增强级联进行快速目标检测,(2001年IEEE计算机协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] 维奥拉,保罗;《鲁棒实时人脸检测》,国际计算机杂志。可见。,57,22137-154(2004年)
[73] 弗伦德,约亚夫;夏皮尔,罗伯特;阿部,直木,《助推简介》,J。日本社会科学。人工制品。内尔。,14771-780,1612(1999年)
[74] 费尔泽斯瓦布,佩德罗;麦卡莱斯特,大卫;Ramanan,Deva,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] 费尔岑斯瓦布,佩德罗F。;吉尔希克,罗斯B。;McAllester,David,Cascade object detection with Transformable part models,(2010年IEEE计算机协会计算机视觉和模式识别会议(2010年),IEEE),2241-2248
[76] 马利西维茨,托马斯;古普塔,阿比纳夫;Efros,Alexei A.,《目标检测和超越的SVM范例集成》,(2011年国际计算机视觉会议(2011年),IEEE),89-96
[77] 吉尔希克,罗斯B。;费尔岑斯瓦布,佩德罗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年)),442-450
[78] Girshick,Ross Brook,《从刚性模板到语法:结构化模型的对象检测》(2012),Citeseer
[79] 安德鲁斯,斯图尔特;乔坎塔里迪斯,约安尼斯;Hofmann,Thomas,《多实例学习的支持向量机》,(Becker,S.;Thrun,S.;Obermayer,K.,《神经信息处理系统进展》15(2003),麻省理工学院出版社,577-584,http://papers.nips.cc/paper/2232-support-vector-machines-for-multiple-instance-learning.pdf
[80] 谢尔马内,皮埃尔;艾根,大卫;张翔;马修,米夏埃尔;费格斯,罗伯;LeCun,Yann,Overfeat:使用卷积网络进行集成识别、定位和检测(2013),arXiv预印本arXiv:1312.6229
[81] 雷蒙,约瑟夫;Farhadi,Ali,Yolov3:增量改进(2018),arXiv预印本arXiv:1804.02767
[82] 林宗颐、高亚尔、高亚尔、吉尔希克、何凯明、皮奥特·多拉,《密集目标检测的焦距损失》,载:《IEEE国际计算机视觉会议论文集》,2017年,第2980-2988页。
[83] 黑洛,贾邓,Cornernet:作为成对关键点检测物体,载:欧洲计算机视觉会议记录(ECCV),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] 段开文;白、松;谢灵喜;齐红刚;黄清明;田,齐,Centernet:keypoint triplets的目标检测(2019),arXiv预印本arXiv:1904.08189 1(2),4
[86] 贾斯珀R.R.Uijlings。;范德桑德,科恩E.A。;基弗斯,西奥;史密德斯,阿诺德W.M.,选择性搜索目标识别,国际计算机杂志。可见。,1042154-171(2013年)
[87] 克莱班,吉姆;谢星;马伟英,空间金字塔挖掘在自然场景中的标识检测,(2008)IEEE多媒体与博览会国际会议(2008),1077-1080
[88] 何开明;张湘玉;任少卿;孙健,深卷积网络视觉识别中的空间金字塔池,IEEE Trans。肛门模式。机器。内尔。,1904-1916年(2015年)
[89] 齐尼克,C.L.awrence;Dollar,Piotr,《边缘盒:从边缘定位物体提案》,(欧洲计算机视觉会议(2014),Springer),391-405
[90] 戴,季峰;李易;何开明;孙建安,R-fcn:基于区域的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;梅尔,迈克尔;亲爱的,谢尔盖;海斯,詹姆斯;佩罗纳,皮埃特罗;拉曼南,德瓦;多拉,皮奥特;Zitnick,C.Lawrence,Microsoft coco:上下文中的公共对象,(欧洲计算机视觉会议(2014),Springer),740-755
[92] 韩虎,顾佳元,张峥,戴继峰,魏宜晨,目标检测的关系网络,载:IEEE计算机视觉与模式识别会议论文集,2018,3588-3597页。
[93] 戴继峰,齐浩志,熊宇文,李奕,张国栋,胡晗,魏宜晨,变形卷积网络,载:IEEE国际计算机视觉会议论文集,2017年,第764-773页。
[94] Golnaz Ghiasi,Tsung Yi Lin,Quoc V.Le,Nas fpn:学习用于目标检测的可伸缩特征金字塔结构,载:IEEE计算机视觉和模式识别会议论文集,第7036-7045页。
[95] 亚历克斯,博格丹;德塞拉斯,托马斯;法拉利,维托里奥,测量图像窗口的对象性,IEEE Trans。肛门模式。机器。内尔。,第34、11、2189-2202页(2012年)
[96] 欧空局拉赫图;卡娜拉,朱荷;Blaschko,Matthew,《学习与类别无关的目标检测级联》,(2011年计算机视觉国际会议(2011年),IEEE),1052-1059
[97] Santiago Manen,Matthieu Guillaumin,Luc Van Gool,随机化prim算法的基本目标提案,载:IEEE国际计算机视觉会议论文集,2013年,第2536-2543页。
[98] 卡雷拉,乔奥;斯密奇斯库,克里斯蒂安,CPMC:使用约束参数最小割集的自动对象分割,IEEE Trans。肛门模式。机器。内尔。,第34、7、1312-1328页(2011年)
[99] 恩德斯,伊恩;Hoiem,Derek,具有不同排名的类别独立对象提案,IEEE Trans。肛门模式。机器。内尔。,3622222-234(2013年)
[100] 朱晨晨;道,然;Luu,Khoa;Savvides,Marios,从Robby anchor的角度看小脸蛋,(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,德文:朝着更一般的目标检测迈出更进一步的一步,载:《人工智能AAAI会议论文集》,第33卷,2019年,第9046-9053页。
[102] Lachlan Tychsen Smith,Lars Petersson,Denet:带定向稀疏采样的可伸缩实时目标检测,in:IEEE国际计算机视觉会议论文集,2017年,第428-436页。
[103] 朱晨晨,何一辉,马里奥斯·萨维德斯,单次目标检测的特征选择无锚模块,载:IEEE计算机视觉与模式识别会议论文集,2019年,第840-849页。
[104] 段开文,宋白,谢灵喜,齐红刚,黄清明,田琦,Centernet:目标检测的关键点三联系统,载:IEEE国际计算机视觉会议论文集,2019年,第6569-6578页。
[105] Ross Girshick,Fast r-cnn,in:IEEE国际计算机视觉会议论文集,2015年,第1440-1448页。
[106] Bharat Singh,Larry S.Davis,《目标检测snip中尺度不变性的分析》,载:IEEE计算机视觉与模式识别会议论文集,2018年,第3578-3587页。
[107号] 蔡兆伟;范、全福;费里斯,罗格里奥S。;Vasconcelos,Nuno,《用于快速目标检测的统一多尺度深卷积神经网络》(欧洲计算机视觉会议(2016年),Springer),354-370
[108] 沈志强,刘庄,李建国,蒋玉刚,陈玉荣,薛向阳,Dsod:从零开始学习深度监督目标检测器,载:IEEE计算机视觉国际会议论文集,2017年,第1919-1927页。
[109号] 刘松涛,黄迪,等.用于精确快速目标检测的接收域块网,载:欧洲计算机视觉会议论文集,2018,第385-400页。
[110] 任志强,陈晓浩,刘建波,孙文秀,彭佳浩,晏琼,于永泰,李旭,循环卷积精密单级检测器,载:IEEE计算机视觉与模式识别会议论文集,2017年,第5420-5428页。
[111] 郑智秀;公园,孝敬;Kwak,Nojun,通过连接特征图进行目标检测增强SSD(2017),arXiv预印本arXiv:1705.09587
[112] 傅成阳;刘伟;兰加,安南;泰吉,安布里什;Berg,Alexander C.,Dssd:反褶积单发探测器(2017),arXiv预印本arXiv:1701.06659
[113] 吴三铉;黄宋敏;Kweon,In So,Stairnet:自上而下的语义聚合以实现精确的单次检测,(2018年IEEE冬季计算机视觉应用会议(WACV)(2018年),IEEE),1093-1102
[114] 李红阳;刘、余;欧阳、万里;王晓刚,缩小与网络中对象建议递归训练(2017),arXiv预印本arXiv:1702.05711
[115] 孔涛,孙富春,谭传启,刘华平,黄文兵,目标检测的深度特征金字塔重构,载:欧洲计算机视觉会议论文集,2018年,第169-185页·Zbl 07123033
[116] 赵启杰,陶胜,王永涛,汤智,陈颖,蔡玲,凌海斌,M2det:基于多层次特征金字塔网络的单次目标探测器,载:《人工智能AAAI会议论文集》,第33卷,2019年,第9259-9266页。
[117] 加列吉洛斯,卡罗来纳州;《基于上下文的对象分类:一个批判性调查》,计算机。维斯。图像理解。,1146712-722(2010年)
[118] 费尔泽斯瓦布,佩德罗;女孩,罗斯;麦卡莱斯特,大卫;Ramanan,Deva,可变形零件模型的区分训练混合物,PASCAL VOC挑战赛(2008)
[119] 欧阳万丽,王晓刚,曾星宇,石秋,罗平,田永龙,李红生,杨硕,王哲,陈改变,等.用于目标检测的可变形深卷积神经网络,载:IEEE计算机视觉与模式识别会议论文集,2015,第2403-2412页。
[120] 朱锡洲,胡汉虎,林志峰,戴继峰,变形convnets v2:变形性更强,效果更佳,载: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》,载:IEEE计算机视觉和模式识别会议论文集,2015年,第437-446页。
[122号] 李泽明;彭超;于刚;张湘玉;邓阳东;孙健,Detnet:目标检测的主干网(2018),arXiv预印本arXiv:1804.06215
[123号] 谢赛宁,罗斯·吉尔希克,皮奥特·多拉,屠卓文,何开明,深度神经网络的聚合剩余变换,载:IEEE计算机视觉与模式识别会议论文集,2017年,1492-1500页。
[124] 霍华德,安德鲁G。;朱梦龙;陈波;卡列尼琴科,德米特里;王伟军;韦扬德,托拜厄斯;安德烈埃托,马可;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] 张向宇,周新宇,林梦晓,孙健,Shufflenet:一种用于移动设备的高效卷积神经网络,载:IEEE计算机视觉与模式识别会议论文集,第6848-6856页。
[126] 弗朗索瓦·乔利特(François Chollet),《例外:深度学习与深度可分离卷积》,载:IEEE计算机视觉与模式识别会议论文集,第1251-1258页。
[127号] R、 王建华,凌志云,裴力:移动设备上的实时目标检测系统,高级神经信息处理。系统。,1963-1972(2018年)
[128] 坎迪斯,伊曼纽尔J。;李晓东;马伊;赖特,约翰,稳健主成分分析?,J、 ACM,58,3,1-37(2011年)·Zbl 1327.62369号
[129] 西蒙尼安,凯伦;Zisserman,Andrew,甚深卷积网络用于大规模图像识别(2014),arXiv预印本arXiv:1409.1556
[130] 乐坤,雅恩;博图,莱昂;本吉奥,约书亚;Patrick,Haffner,梯度学习应用于文档识别,Proc。IEEE,86,11,2278-2324(1998)
[131号] 罗宾斯,赫伯特;蒙罗,萨顿,随机逼近方法,人工神经网络,数学。Stat.,400-407(1951年)·Zbl 0054.05901
[132] 金马,迪德里克P。;Ba,Jimmy,Adam:随机优化方法(2014),arXiv预印本arXiv:1412.6980
[133] Vinod Nair,Geoffrey E.Hinton,Rectified linear units improve restricted boltzmann machines,载:第27届机器学习国际会议论文集(ICML-10),2010年,第807-814页。
[134号] 何开明;张湘玉;任少卿;Sun,Jian,《深度剩余网络中的身份映射》,(欧洲计算机视觉会议(2016年),Springer),630-645
[135] 喂,谢尔盖;Szegedy,Christian,《批量标准化:通过减少内部协变量转移加速深度网络培训》(2015),arXiv预印本arXiv:1502.03167
[136] 高煌,刘庄,劳伦斯·范德马滕,基莲·Q·温伯格,《密集连接卷积网络》,载:IEEE计算机视觉与模式识别会议论文集,2017年,第4700-4708页。
[137] 蒋汉良;高飞;徐兴新;黄飞;朱素国,注意与集成三维肺结节分类双路径网络,神经计算(2019)
[138] Christian Szegedy,Wei Liu,Yangqing Jia,Pierre Sermanet,Scott Reed,Dragomir Anguelov,Dumitru Erhan,Vincent Vanhoucke,Andrew Rabinovich,深入卷积,载于:IEEE计算机视觉与模式识别会议论文集,2015年,第1-9页。
[139号] Christian Szegedy,Sergey Ioffe,Vincent Vanhoucke,Alexander A Alemi,Inception-v4,Inception resnet和剩余连接对学习的影响,in:三十一AAAI人工智能会议,2017年。
[140] 纽厄尔,亚历杭德罗;杨开玉;邓,贾,人类姿势估计的堆积沙漏网络,(欧洲计算机视觉会议(2016),斯普林格),483-499
[141] 辛格,巴拉特;纳吉比,马亚尔;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号] 顾佳媛,胡晗,王立伟,魏宜晨,戴继峰,目标检测的学习区域特征,载:欧洲计算机视觉会议论文集,2018,第381-395页。
[143] Spyros Gidaris,Nikos Komodakis,Locnet:提高目标检测的定位精度,in:IEEE计算机视觉和模式识别会议论文集,2016年,第789-798页。
[144] 萨戈鲁伊科,谢尔盖;勒尔,亚当;林宗毅;皮涅罗,佩德罗O。;恶心,山姆;金塔拉,苏米特;Dollár,Piotr,《目标检测的多路径网络》(2016),arXiv预印本arXiv:1604.02135
[145] Lachlan Tychsen-Smith,Lars-Peterson,利用适应度nms和有界iou损失改进目标定位,载:IEEE计算机视觉和模式识别会议论文集,2018年,第6877-6885页。
[146号] 吕昕璐、李步宇、岳玉欣、李全全、严俊杰、格力r-cnn,发表于:IEEE计算机视觉与模式识别会议论文集,2019年,第7363-7372页。
[147] 杨斌,颜俊杰,甄磊,李斯坦,《从图像中提取物体》,载:IEEE计算机视觉与模式识别会议论文集,2016年,第6043-6051页。
[148] 郑博文,魏云超,史红辉,费瑞斯,熊金军,黄腾华,重温rcnn:唤醒快速rcnn的分类能力,载:欧洲计算机视觉会议论文集(ECCV),2018年,第453-468页。
[149号] Ian J Goodfello,Jean Pouget Abadie,Mehdi Mirza,Bing Xu,David Warde Farley,Sherjil Ozair,Aaron Courville,Yoshua Bengio,《生成性对抗性网络》,in:神经信息处理系统年会,2014年,第2672-2680页。
[150] 朱君彦,朴泰成,菲利普·伊索拉,阿列克谢·埃夫罗斯,《利用循环一致性对抗性网络进行非配对图像到图像的翻译》,载:《IEEE国际计算机视觉会议论文集》,2017年,第2223-2232页。
[151] 拉德福德,亚历克;梅茨,卢克;Chintala,Soumith,无监督表征学习与深度卷积生成对抗性网络(2015),arXiv预印本arXiv:1511.06434
[152] 布鲁克,安德鲁;多纳休,杰夫;Simonyan,Karen,高保真自然图像合成大规模gan培训(2018),arXiv预印本arXiv:1809.11096
[153] 李建安,梁晓丹,魏云超,徐廷发,冯佳诗,严水成,感知生成对抗性小目标检测网络,载:IEEE计算机视觉与模式识别会议论文集,2017,第1222-1230页。
[154] 王晓龙,阿比纳夫·施赖瓦斯塔娃,阿比纳夫·古普塔,A-fast-rcnn:通过对手进行目标检测的硬正生成,载:IEEE计算机视觉与模式识别会议论文集,2017年,第2606-2615页。
[155] 沈志强;史红辉;俞佳慧;潘,海;费里斯,罗格里奥;曹良良;刘、丁;王新超;黄,托马斯;Savvides,Marios,《通过门控特征重用从零开始改进对象检测》(2017),arXiv预印本arXiv:1712.00886
[156] 何凯明、罗斯·吉尔希克、皮奥特·多拉,《反思imagenet预培训》,载:IEEE计算机视觉国际会议记录,2019年,第4918-4927页。
[157] 辛顿,杰弗里;葡萄酒,奥利奥;Dean,Jeff,《在神经网络中提取知识》(2015),arXiv预印本arXiv:1503.02531
[158] 李全权,金胜英,严俊杰,模拟非常有效的目标检测网络,载:IEEE计算机视觉与模式识别会议论文集,2017,第6356-6364页。
[159] Navaneeth Bodla,Bharat Singh,Rama Chellappa,Larry S.Davis,《用一行代码改进目标检测的软NMS》,载:IEEE国际计算机视觉会议论文集,2017年,第5561-5569页。
[160] Jonathan Huang,Vivek Rathod,Chen Sun,Menglong Zhu,Anoop Koratikara,Alireza Fathi,Ian Fischer,Zbigniew Wojna,Yang Song,Sergio Guadarrama等,《现代卷积目标探测器的速度/精度权衡》,载:IEEE计算机视觉与模式识别会议论文集,2017年,第7310-7311页。
[161] 李泽明;彭超;于刚;张湘玉;邓阳东;孙健,光头r-cnn:为两级目标探测器辩护(2017),arXiv预印本arXiv:1711.07264
[162] Mark Sandler,Andrew Howard,Menglong Zhu,Andrey Zhmoginov,Liang Chieh Chen,Mobilenetv2:反向残差和线性瓶颈,摘自:IEEE计算机视觉与模式识别会议论文集,2018年,第4510-4520页。
[163] 沃姆,亚历山大;沙菲,穆罕默德·贾瓦德;李,弗朗西斯;Chwyl,Brendan,Tiny SSD:用于实时嵌入式对象检测的微型单次探测深度卷积神经网络,(2018年第15届计算机与机器人视觉大会,CRV(2018年),IEEE),95-101
[164] 李玉溪;李久伟;林伟耀;李建国,Tiny dsod:资源受限使用的轻量级目标检测(2018),arXiv预印本arXiv:1807.11013
[165] 尚文玲,苏启红,阿尔梅达,李洪拉克,通过串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号] 金永德;公园,恩耶克;有,成珠;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] 何义辉,张向宇,孙建军,加速超深神经网络的通道修剪,载:IEEE国际计算机视觉会议论文集,2017年,第1389-1397页。
[168号] 龚云超;刘,刘;杨明;Bourdev,Lubomir,使用矢量量化压缩深卷积网络(2014),arXiv预印本arXiv:1412.6115
[169] 林玉君;汉、宋;毛惠子;王、余;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,王玉航,胡庆浩,程健,移动设备量化卷积神经网络,载:IEEE计算机视觉与模式识别会议论文集,2016,第4820-4828页。
[171] 汉、宋;毛惠子;Dally,William J.,深度压缩:用剪枝、训练量化和霍夫曼编码压缩深层神经网络(2015),arXiv预印本arXiv:1510.00149
[172] 汉、宋;泳池,杰夫;约翰,川;Dally,William,学习有效神经网络的权值和连接,(神经信息处理系统进展(2015)),1135-1143
[173] 张世峰,文龙寅,肖边,甄磊,斯坦Z.李,目标检测的单次精细化神经网络,载:IEEE计算机视觉与模式识别会议论文集,2018年,第4203-4212页。
[174] 奥尔加罗斯萨科夫斯基;邓、贾;苏浩;克劳斯,乔纳森;萨希什,桑吉夫;妈妈,肖恩;黄志恒;Karpathy,安德烈;科斯拉,阿迪蒂亚;伯恩斯坦,迈克尔,图像网络大规模视觉识别挑战,国际计算机。可见。,1153211-252(2015年)
[175] 谢赛宁,涂卓文,整体嵌套边缘检测,载:IEEE国际计算机视觉会议论文集,2015,第1395-1403页。
[176] Mahyar Najibi,Mohammad Rastegari,Larry S.Davis,G-cnn:迭代网格目标检测器,in:IEEE计算机视觉和模式识别会议论文集,2016年,第2369-2377页。
[177] 张玉婷,苏启红,吕本维莱加斯,潘刚,李洪拉克,通过贝叶斯优化和结构预测改进深卷积网络目标检测,载:IEEE计算机视觉与模式识别会议论文集,2015,pp。249-258年。
[178] Fan Yang,Wongun Choi,Yuanqing Lin,Exploit the all layers:快速准确的cnn目标检测器与尺度相关池和级联拒绝分类器,载:IEEE计算机视觉与模式识别会议论文集,2016年,第2129-2137页。
[179] 布拉姆巴特,撒玛利亚;克里斯滕森,亨里克一世。;Hays,James,Stuffnet:使用“stuff”改进目标检测(2017年IEEE计算机视觉应用冬季会议,WACV(2017年),IEEE),934-943
[180度] 任少卿;何开明;女孩,罗斯;张湘玉;孙,建,卷积特征映射上的目标检测网络,IEEE Trans。肛门模式。机器。内尔。,3971476-1481(2016年)
[181号] Spyros Gidaris,Nikos Komodakis,《通过多区域和语义分割感知cnn模型进行目标检测》,载:IEEE国际计算机视觉会议论文集,2015年,第1134-1142页。
[182号] 孔涛,姚安邦,陈玉荣,孙富春,超网络:面向精确区域建议生成和联合目标检测,载:IEEE计算机视觉与模式识别会议论文集,2016年,第845-853页。
[183] Abhinav Shrivastava,Abhinav Gupta,Ross Girshick,《基于区域的目标检测器在线硬示例挖掘》,载:IEEE计算机视觉与模式识别会议论文集,2016年,pp。761-769。
[184] Sean Bell,C.Lawrence Zitnick,Kavita Bala,Ross Girshick,Inside outside net:使用跳跃池和递归神经网络检测上下文中的对象,摘自: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;史振伟;郭玉红;叶洁平,20年来的目标检测:一项调查(2019),arXiv预印本arXiv:1905.05055
[186] 周鹏,倪冰冰,丛庚,胡建国,徐毅,尺度可转移目标检测,载:IEEE计算机视觉与模式识别会议论文集,2018,第528-537页。
[187] 李步宇,刘宇,王晓刚,梯度协调单级检测器,载:《人工智能AAAI会议论文集》,第33卷,2019年,第8577-8584页。
[188] 田志华,沈春华,陈浩,何彤,Fcos:全卷积单级目标检测,载:IEEE国际计算机视觉会议论文集,2019年,第9627-9636页。
[189] 周兴义,卓佳成,克莱恩布尔,极值点和中心点分组的自底向上目标检测,载:IEEE计算机视觉与模式识别会议论文集,2019年,第850-859页。
[190号] 朱友松,赵朝阳,王金桥,徐昭,吴奕,卢汉卿,耦合网络:将全局结构与局部部件耦合用于目标检测,载:《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,纳瓦内思·博德拉,拉玛·切拉帕,《目标检测的深层区域》,载:欧洲计算机视觉会议论文集,ECCV,2018,第798-814页。
[192号] 陈哲,黄绍丽,陶大成,《目标检测的上下文细化》,载:欧洲计算机视觉会议论文集,2018年,第71-86页。
[193] 蔡兆伟,努诺·瓦康塞洛斯,级联r-cnn:深入研究高质量目标检测,载:IEEE计算机视觉与模式识别会议论文集,2018年,第6154-6162页。
[194号] 李阳浩,陈云涛,王乃彦,张兆祥,目标检测的比例感知三叉戟网络,载:IEEE国际计算机视觉会议论文集,2019年,第6054-6063页。
[195] 邓、贾;董伟;索切尔,理查德;李,李佳;李凯;李飞,李飞,图像网络:一个大规模的层次图像数据库(2009年IEEE计算机视觉与模式识别会议),248-255
[196] 库兹涅佐娃,阿丽娜;罗姆,哈桑;奥尔德林,尼尔;贾斯帕,乌伊林斯;克拉辛,伊万;图塞特桥,乔迪;卡马利,沙哈布;波波夫,斯特凡;马洛西,马蒂奥;Duerig,Tom,The open images dataset v4:统一图像分类、目标检测和视觉关系检测(2018),arXiv预印本arXiv:1811.00982
[197] 朱鹏飞;文,龙吟;卞、萧;凌,海滨;胡庆华,《视觉与无人机相遇:挑战》(2018),arXiv预印本arXiv:1804.07437
[198] Agrim Gupta,Piotr Dollar,Ross Girshick,LVIS:大词汇量实例分割的数据集,载:IEEE计算机视觉和模式识别会议论文集,2019年,第5356-5364页。
[199] 埃斯,安德烈亚斯;莱比,巴斯蒂安;范古尔,吕克,移动场景分析的深度和外观,(2007年IEEE第11届计算机视觉国际会议(2007年),IEEE),1-8
[200] 盖革,安德烈亚斯;伦茨,菲利普;斯蒂勒,克里斯托夫;乌塔松,拉克尔,《视觉与机器人:基蒂数据集》,国际J.机器人。第32、11、1231-1237号决议(2013年)
[201] 沃耶克,基督徒;走吧,斯蒂芬;Schiele,Bernt,多线索车载行人检测,(2009年IEEE计算机视觉和模式识别会议(2009年),IEEE),794-801
[202] 盖革,安德烈亚斯;伦茨,菲利普;乌塔松,拉奎尔,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年),IEEE),3354-3361
[203] 张珊珊,罗德里戈·贝尼森,伯恩特·施耶尔,城市人:行人检测的多样数据集,载:IEEE计算机视觉与模式识别会议论文集,2017年,第3213-3221页。
[204] 李小飞;弗洛尔,费边;杨岳;熊、辉;布劳恩,马库斯;潘书月;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年),IEEE),1028-1033
[205] 贾恩,维迪;Learn 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,陈改乐,汤晓鸥,《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,跑;吴湘;孙振安;Tan,Tieniu,Wasserstein cnn:nir-vis人脸识别的不变特征学习,IEEE Trans。肛门模式。机器。内尔。,4171761-1773(2018年)
[208号] 小张,赵睿,于巧,王晓刚,李红生,Adacos:自适应缩放余弦逻辑,有效学习人脸深层表征,载:IEEE计算机视觉与模式识别会议论文集,2019年,第10823-10832页。
[209] 刘、余;李红阳;王晓刚,重新思考大规模识别中的特征识别与聚合(2017),arXiv预印本arXiv:1710.00870
[210] Ranjan,Rajeev;卡斯蒂略,卡洛斯D。;Chellappa,Rama,L2限制性softmax损失识别性人脸验证(2017),arXiv预印本arXiv:1703.09507
[211] 王峰,向翔,程健,艾伦·罗登尤耶,标准面:用于人脸验证的L2超球面嵌入,载:第25届ACM多媒体国际会议论文集,2017年,第1041-1049页。
[212] 郭玉伟;焦立成;王爽;王朔;刘芳,单幅图像人脸识别的模糊稀疏自动编码框架。赛本。,4882402-2415(2017年)
[213] 布劳恩,马库斯;克雷布斯,塞巴斯蒂安;弗洛尔,费边;Gavrila,Dariu M.,Eurocity persons:交通场景中人物检测的新基准,IEEE Trans。肛门模式。机器。内尔。,1844年至1861年(2019年)
[214] 蔡兆伟;萨伯里亚人,穆罕默德·贾瓦德;Vasconcelos,Nuno,《行人检测的学习复杂性感知级联》,IEEE Trans。肛门模式。机器。因特尔。(2019年)
[215] 萨伯里亚人,穆罕默德·贾瓦德;Vasconcelos,Nuno,学习最优嵌入级联,IEEE Trans。肛门模式。机器。内尔。,2005年10月34日至2018年(2012年)
[216] 多拉,皮奥特;阿佩尔,罗恩;亲爱的,谢尔盖;Perona,Pietro,用于目标检测的快速特征金字塔,IEEE Trans。肛门模式。机器。内尔。,3681532-1545(2014年)
[217] 刘、宋;山田、Makoto;科利尔,奈杰尔;苏岩山,Masashi,相对密度比估计在时间序列数据中的变化点检测,神经网络。,43,72-83(2013年)·Zbl 1367.62259
[218] 塞宁,帕维尔;林,杰西卡;王星;奥茨,蒂姆;甘地,苏尼尔;博迪哈德乔,阿诺德P。;陈,水晶;Frankenstein,Susan,Grammarviz 3.0:可变长度时间序列模式的交互发现,ACM Trans。知道。数字化信息系统。数据(TKDD),12、1、1-28(2018年)
[219] 江、孟;贝特尔,亚历克斯;崔鹏;好极了,布莱恩;杨世强;Faloutsos,Christos,《多模式数据中密集块的一般可疑度度量》,(2015 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点检测(国际传感器数据知识发现研讨会(2008年),Springer),115-133
[221] 巴兹,比约恩;罗德纳,埃里克;加西亚,亚尼拉·关彻;Denzler,Joachim,时空异常检测的最大散度区域检测,IEEE Trans。肛门模式。机器。内尔。,411088-1101(2018年)
[222号] 程、公;韩俊伟,光学遥感图像中目标检测的研究,ISPRS J。摄影。《遥感》,117年11月28日(2016年)
[223] Shivakumara,Palaiahnakote;唐东琪;阿萨德扎德卡尔贾希,马亚姆;吕、童;朋友,乌玛帕达;Anisi,Mohammad Hossein,基于CNN-RNN的车牌识别方法,CAAI Trans。因特尔。技术。,3,3,169-175(2018年)
[224] 萨拉兹,穆罕默德;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年),IGI Global),20-36
[225] 李辉;王鹏;沈春华,用深度神经网络实现汽车牌照的端到端检测与识别,IEEE Trans。因特尔。运输。系统。,2012年3月20日至1136年(2018年)
[226] 钱,金星;屈波,基于竞争神经网络的快速车牌识别方法(2018年第三届通信、信息管理与网络安全国际会议,CIMNS 2018(2018),亚特兰蒂斯出版社)
[227号] 拉罗卡,雷森;塞韦罗,埃瓦;赞洛伦西,路易斯A。;奥利维拉,路易斯S。;冈萨尔维斯,加布里埃尔·雷森德;施瓦茨,威廉·罗布森;David Menotti,《基于YOLO检测器的鲁棒实时自动车牌识别》(2018年神经网络国际联席会议,IJCNN(2018),IEEE),1-10
[228] 宋锡斌,王鹏,周定富,朱睿,管晨晔,戴玉超,苏浩,李洪东,杨瑞刚,阿波罗卡3d:自动驾驶的大型3d汽车实例理解基准,载:IEEE计算机视觉与模式识别会议论文集,2019年,第5452-5462页。
[229] 班纳吉,科耶;诺茨,多米尼克;温德伦,约翰内斯;加瓦拉朱,苏门特;何明康,自动驾驶混合动力数据的在线摄像机激光雷达融合与目标检测,(2018 IEEE智能车辆研讨会,IV(2018),IEEE),1632-1638
[230] 李嘉;王增福,野外基于高效CNNs的实时交通标志识别,IEEE译。因特尔。运输。系统。,20、3975-984(2018年)
[231] T、 Arinaga T.Moritani,《交通标志识别系统》,美国专利9865165,2018年。
[232] 哈立德,萨拉;穆罕默德,纳齐尔;Sharif,Muhammad,带数字分割和识别的交通标志自动测量,IET Intell。运输。系统。,13,2,269-279(2018年)
[233] 阿尔瓦雷斯·加塞a,a。;Arcos Garcıa,J.a.a。;《交通标志识别系统的深层神经网络:空间变压器与随机优化方法的分析》,神经网络。,99,158-165(2018年)
[234] 李东;赵东斌;陈雅兰;张启超,Deepsign:基于深度学习的交通标志识别(2018神经网络国际联席会议,IJCNN(2018),IEEE),1-6
[235] 吴伯勋;王品玉;杨一塔;郭久恩,光卷积网络交通标志识别,(2018年台湾消费电子学会国际会议,ICCE-TW(2018),IEEE),1-2
[236] 周树仁;梁文龙;李俊国;Kim,Jeong Uk,用于道路交通标志识别的改进VGG模型,计算机。马特。Continua,57,1,11-24(2018年)
[237] 陈先杰;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] 范小川,郑康,林月薇,王松,局部表象与整体观相结合:双源深层神经网络用于人体姿态估计,载:IEEE计算机视觉与模式识别会议论文集,2015,第1347-1355页。
[239] 罗格斯,格雷戈里;韦恩扎普费尔,菲利普;Schmid,Cordelia,Lcr net++:自然图像中的多人二维和三维姿态检测,IEEE Trans。肛门模式。机器。内尔。,4251146-1161(2019年)
[240] 陈宜伦,王志成,彭玉祥,张志强,俞刚,孙建军,多人姿态估计的级联金字塔网络,载:IEEE计算机视觉与模式识别会议论文集,2018,第7103-7112页。
[241] George Papandreou,Tyler Zhu,Nori Kanazawa,Alexander Toshev,Jonathan Tompson,Chris Bregler,Kevin Murphy,《野外精确多人姿势估计》,载:IEEE计算机视觉与模式识别会议论文集,2017年,第4903-4911页。
[242号] 肖斌,吴海平,魏宜晨,人体姿态估计与跟踪的简单基线,载:欧洲计算机视觉会议论文集,2018,第466-481页。
[243] Shih-En-Wei,Varun Ramakrishna,Takeo Kanade,Yaser-Sheikh,《卷积姿态机器》,载:IEEE计算机视觉与模式识别会议论文集,2016年,第4724-4732页。
[244] 李卓玲;董明辉;文世平;胡、香;周,潘;曾志刚,CLU CNNs:医学图像的目标检测,神经计算,350,53-59(2019)
[245] 杨振国;李青;刘文印;吕建明,多域事件检测的共享多视图数据表示,IEEE Trans。肛门模式。机器。因特尔。(2019年)
[246] 王彦祥,孙丹兰,谢乐星,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式图的事件检测和总结》,载:第23届ACM多媒体国际会议论文集,2015年,第189-192页。
[248] 特宝,奥利弗;Kokkinos,Iasonas公司;西蒙,洛伊克;库特苏拉基斯,帕纳吉奥蒂斯;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;张红辉;赵勤平;全龙,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与模式识别会议(2010年),IEEE),342-349
[250] 弗里德曼,山姆;Stamos,Ioannis,城市场景点云中重复结构的在线检测,国际计算机杂志。可见。,102、1-3、112-128(2013年)
[251] 沈朝辉;黄世生;傅洪波;胡士敏,城市立面适应性分区,ACM Trans。图表。,2011年6月30日至10日
[252] 辛德勒,格兰特;克里希那穆尔蒂,潘恰帕格桑;卢布林曼,罗伯托;刘延喜;Dellaert,Frank,城市环境中自动地理标记的重复模式检测与匹配(2008 IEEE计算机视觉与模式识别会议(2008),IEEE),1-7
[253] 吴昌昌;弗拉姆,简·迈克尔;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年),Springer),142-155
[254] 沈朝辉;黄世生;傅洪波;胡士敏,基于图像的建筑立面建模,计算机辅助制造。图表。,26,85-95(2007年)
[255] 奥尔加巴里诺瓦;利姆皮茨基,维克托;特雷蒂亚克,埃琳娜;Kohli,Pushmeet,人造环境中的几何图像解析,(欧洲计算机视觉会议(2010),Springer),57-70
[256] Mateusz Kozinski,Raghudeep Gadde,Sergey Zagoruyko,Guillaume Obazinski,Renaud Marlet,一种用于含遮挡的立面分析的MRF形状,摘自:IEEE计算机视觉和模式识别会议论文集,2015年,第2820-2828页。
[257] Andrea Cohen,Alexander G.Schwing,Marc Pollefeys,《使用动态规划对立面进行高效结构化解析》,载:IEEE计算机视觉与模式识别会议论文集,2014年,第3206-3213页。
[258] 甘地,西尔维亚;本杰明·雷希特;Yamada,Isao,张量完成和通过凸优化恢复低n阶张量,反问题,27,2,文章025010页(2011)·Zbl 1211.15036号
[259] 刘、季;音乐,普雷茨瓦夫;旺卡,彼得;叶洁平,张成全估计视觉数据中的缺失值,IEEE Trans。肛门模式。机器。内尔。,351208-220(2012年)
[260] 刘娟;Psarakis,以马努伊尔Z。;冯、杨;Stamos,Ioannis,用于二维城市图像重复模式检测的kronecker产品模型,IEEE Trans。肛门模式。机器。内尔。,4192266-2272(2018年)
[261] Oriol Vinyals,Alexander Toshev,Samy Bengio,Dumitru Erhan,Show and tell:A neural image caption generator,in:IEEE计算机视觉和模式识别会议论文集,2015年,第3156-3164页。
[262] 顾久香,蔡建飞,王刚,陈翠珊,堆栈字幕:从粗到精的图像字幕学习,载:第三十二届AAAI人工智能会议,2018年。
[263] Kelvin Xu,Jimmy Ba,Ryan Kiros,Kyunghyun Cho,Aaron Courville,Ruslan Salakhudinov,Rich Zemel,Yoshua Bengio,Show,Attendant and tell:Neural image caption视觉注意力生成,in: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,Bottom up and top-down attention for image Capitaling and visual question,in:IEEE计算机视觉与模式识别会议论文集,2018年,第6077-6086页。
[265] A、 Deshpande,J.Aneja,A.G.Schwing,《卷积图像字幕》,in:IEEE计算机视觉和模式识别会议论文集,2018年,第5561-5570页。
[266] 吴哲,李苏,黄清明,级联部分解码器用于快速准确的突出目标检测,载:IEEE计算机视觉与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;阿里,博尔基;杨瑞刚,从人的注视推断突出物体,IEEE译。肛门模式。机器。因特尔。(2019年)
[268] 王林昭;王立军;鲁鄂川;张平平;阮,项,循环全卷积网络的显著目标检测,IEEE Trans。肛门模式。机器。内尔。,41734-1746(2018年)
[269] 冯孟阳,陆虎川,丁二瑞,边界感知突出目标检测的注意反馈网络,载:IEEE计算机视觉与模式识别会议论文集,2019年,第1623-1632页。
[270] 张峥,张成全,沈伟,姚聪,刘文宇,白翔,基于全卷积网络的多方向文本检测,载:IEEE计算机视觉与模式识别会议论文集,2016,第4159-4167页。
[271] 姚,丛;白、香;桑,农;周新宇;周树昌;曹志敏,整体式场景文本检测,多通道预测(2016),arXiv预印本arXiv:1606.09002
[272] 何,童;黄伟林;乔、余;姚建,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
[273] 吕鹏远,丛耀,吴文浩,颜水成,白翔,基于角点定位和区域分割的多方位场景文本检测,载:IEEE计算机视觉与模式识别会议论文集,2018,第7553-7563页。
[274] 马建起;邵伟元;叶浩;王,李;王红;郑英斌;薛,向阳,基于旋转方案的任意场景文本检测,IEEE Trans。多媒体。,2018年11月20日至3122日
[275] 恩格尔克,马丁;拉奥,杜尚特;王,多米尼克曾;童志海;Posner,Ingmar,Vote3deep:使用高效卷积神经网络在3d点云中快速目标检测,(2017 IEEE机器人与自动化国际会议,ICRA(2017),IEEE),1355-1361
[276] 齐国伟,苏浩,莫开春,李尼达斯J.桂巴斯,点网:三维分类与分割的点集深度学习,载:IEEE计算机视觉与模式识别会议论文集,2017年,第652-660页。
[277] 尹周,Oncel Tuzel,体素网:基于点云的三维目标检测的端到端学习,载:IEEE计算机视觉与模式识别会议论文集,2018年,第4490-4499页。
[278] 曹哲,汤玛斯·西蒙,史恩伟,亚瑟·谢赫,利用部分亲和场进行实时多人二维姿态估计,载:IEEE计算机视觉与模式识别会议论文集,2017年,第7291-7299页。
[279] 布拉特,阿德里安;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年),Springer),717-732
[280] 纽厄尔,亚历杭德罗;杨开玉;邓,贾,人类姿势估计的堆积沙漏网络,(欧洲计算机视觉会议(2016),斯普林格),483-499
[281] 李文博;王志成;尹,宾一;彭启祥;杜玉明;萧,天子;于刚;卢洪涛;魏宜春;孙健,人的姿势估计多阶段网络的再思考(2019),arXiv预印本arXiv:1901.00148
[282] Jonathan Krause,Michael Stark,Jia Deng,Li Fei Fei,用于精细分类的3d对象表示,载:IEEE计算机视觉研讨会国际会议论文集,2013年,第554-561页。
[283] 林宗宇,阿鲁尼·罗伊乔杜里,Subhransu Maji,用于细粒度视觉识别的双线性cnn模型,载:IEEE国际计算机视觉会议论文集,2015年,第1449-1457页。
[284] 何向腾,彭玉欣,赵俊杰,基于显著性引导的细粒度区分定位快速R-CNN,载:第25届ACM多媒体国际会议论文集,2017,第627-635页。
[285] 何香藤;彭玉欣;赵俊杰,基于弱监督判别定位的快速细粒度图像分类。电路系统。视频技术。,第29、5、1394-1407页(2018年)
[286] 何建忠,张世良,杨明阳,单彦虎,黄铁军,感知边缘检测的双向级联网络,载: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。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。