その他令和8年1月5日

深層学習による目標検出アルゴリズムの詳細

掲載日
令和8年1月5日
号種
本紙
原文ページ
p.17
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。

← 同日の官報に戻る
原文対照の表示オプション

深層学習による目標検出アルゴリズムの詳細

令和8年1月5日|p.17

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
1. Two-stage 目标检测算法
Two-stage 目标检测算法将目标检测过程分为两个阶段：第一阶段产生一系列稀疏的候选区域，第二阶段对候选区域内的物体进行分类和回归。R-CNN[2]是第一个将 CNN 应用到目标检测领域的算法, 它首先利用选择性搜索 (Selective Search) 算法从图像中提取约 2000 个候选框, 然后将这些候选框缩放成统一尺寸并输入到 CNN 中进行特征提取, 最后利用 SVM 对提取的特征进行分类并利用线性回归模型对候选框的位置进行修正。由于 R-CNN 需要对每个候选框都进行一次 CNN 前向传播, 因此其计算量较大且速度较慢。为了解决这个问题, Fast R-CNN[3]提出了一种共享卷积特征的方法, 它将整张图像输入到 CNN 中得到卷积特征图, 然后根据候选框在特征图上的对应位置通过 ROI Pooling 层提取固定大小的特征向量, 最后将这些特征向量输入到全连接层中进行分类和回归。Fast R-CNN 大大减少了计算量, 提高了检测速度。Faster R-CNN[4]进一步提出了区域生成网络 (Region Proposal Network, RPN), 用 RPN 替代了选择性搜索算法来生成候选框, 并将 RPN 与 Fast R-CNN 共享卷积特征, 从而实现了端到端的训练和检测。
読み込み中...
深層学習による目標検出アルゴリズムの詳細 - 第17頁
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。

監視機能の詳細を見る →