その他令和7年2月6日

第1章緒論および深層学習に基づく物体検出アルゴリズム (2)

掲載日

令和7年2月6日

号種

政府調達

原文ページ

p.39

出典：官報発行サイト（内閣府）の掲載情報をもとに整理しています。重要な確認は公式原文を基準にしてください。

本文と原文の対照

まず左側の本文を読み、必要な箇所だけ原文ページで確認できる構成です。

原文対照の表示オプション

テキスト位置ガイドを表示非公開領域をマスクする

令和7年2月6日|p.39

左の本文を選ぶと、右側の官報原文画像で該当箇所を照合できます。

公式原文あり本文テキスト画像照合可誤りを報告

官

本章首先介绍了研究背景及意义，然后对国内外相关领域的研究现状进行了综述，最后给出了本文的主要研究内容和组织结构。

随着深度学习技术的快速发展，基于深度学习的目标检测算法逐渐成为主流。这些算法通过卷积神经网络（CNN）自动提取图像特征，并结合分类与回归任务实现目标的定位与识别。

### 两阶段检测算法

两阶段检测算法首先生成候选区域（Region Proposals），然后对每个候选区域进行分类和边界框回归。代表性算法包括R-CNN系列（R-CNN、Fast R-CNN、Faster R-CNN）。

### 单阶段检测算法

单阶段检测算法直接在图像上进行密集采样和预测，无需生成候选区域。这类算法速度更快，适合实时应用。典型代表有YOLO系列（You Only Look Once）和SSD（Single Shot MultiBox Detector）。

图2-1：不同目标检测算法的架构对比

近年来，Transformer架构也被引入目标检测领域，如DETR（Detection Transformer）模型，它摒弃了传统的锚点机制，采用端到端的训练方式，在精度和效率上取得了新的突破。

読み込み中...

テキスト領域

選択中

非公開 (PII)

関連する新着公告を見逃さないために

Pro プランでは会社名・機関名・キーワードを監視条件として保存し、新着掲載を継続確認できます。14日間無料で試せます。