その他令和7年2月20日

系統概觀：基于深度学习的目标检测算法

掲載日

令和7年2月20日

号種

号外

原文ページ

p.2

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20日|p.2

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

第 6 章 | 系統

概觀

(內部正式版本)

随着深度学习的发展，基于深度学习的目标检测算法逐渐成为主流。这些算法通常使用卷积神经网络（CNN）来提取图像特征，并通过不同的网络结构实现目标的定位和分类。

### 2.2.2.1 R-CNN系列算法

R-CNN（Region-based Convolutional Neural Networks）是第一个将深度学习应用于目标检测的算法。它通过选择性搜索生成候选区域，然后使用CNN提取每个区域的特征，最后通过SVM进行分类和边界框回归。

Fast R-CNN改进了R-CNN的效率问题，它将整个图像输入到CNN中，然后在特征图上提取候选区域的特征，从而避免了重复计算。Faster R-CNN进一步引入了区域提议网络（RPN），实现了端到端的训练和推理。

### 2.2.2.2 YOLO系列算法

YOLO（You Only Look Once）是一种单阶段目标检测算法，它将目标检测问题转化为回归问题，直接从图像像素到边界框坐标和类别概率的映射。YOLO具有极高的检测速度，适合实时应用。

后续的YOLOv2、YOLOv3等版本在精度和速度上都有了显著提升。YOLOv3采用了多尺度预测和更深的网络结构，能够检测不同大小的目标，并在多个数据集上取得了优异的性能。

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。