本文综述了深度学习在物体检测问题上的研究进展。介绍了物体检测的背景和重要性，概述了传统物体检测方法的局限性，并详细介绍了深度学习在物体检测中的应用。重点讨论了基于深度学习的目标检测算法，如Faster R-CNN、YOLO和SSD等，并对它们的原理和优劣进行了比较和分析。此外，还探讨了当前的研究热点和挑战，并展望了深度学习在物体检测领域的未来发展方向。
暂无评论
近年来,中美等国家、谷歌等高科技公司纷纷加大对人工智能的投入,深度学习是目前人工智能的重点研究领域之一,本文对深度学习最新进展及未来研究方向进行了分析和总结. 首先概述了三类深度学习基本模型,包括多层
实体关系抽取作为信息抽取、自然语言理解、信息检索等领域的核心任务和重要环节,能够从文本中抽取实体对间的语义关系.近年来,深度学习在联合学习、远程监督等方面上的应用,使关系抽取任务取得了较为丰富的研究成
本文将近些年来知识蒸馏的主要研究成果进行梳理并加以总结分析该领域所面临的挑战详细阐述知识蒸馏的学习框架从多种分类角度对知识蒸馏的相关工作进行对比和分析.
Current methods for single-image depth estimation use training datasets with real image-depth pairs
基于双背景的滞留与偷窃物体检测算法研究,常亚林,冀小平,本文提出了一种单个静态摄像机的滞留物与偷窃物检测算法。按照不同帧速率对视频重新采样,结合高斯混合模型完成双背景建模;通过
针对传统高斯建模的初始化问题、参数值的计算依赖于先前所有帧和零散噪点较多等问题，提出了一种改进混合高斯模型的方法，即在初始化每个像素点时采用邻域特性与中值滤波相结合的方法，用来获取更接近实际的初始背景
本文针对近年来提出的人脸反欺诈活体检测技术进行了分类及归纳，通过介绍、分析这些活体检测算法来进一步拓展活体检测的研究思路，最后给出其未来可能的发展趋势及总结。
使用OpenCV开发，实现对摄像头中运动物体的检测与识别
基于MATLAB平台的运动物体检测与识别，可以得到视频中运动物体的重心坐标
Code for paper. BASNet: Boundary Aware Salient Object Detection
暂无评论