その他令和8年1月7日

基于深度学习的目标检测算法 (Deep Learning-based Object Detection Algorithms)

掲載日

令和8年1月7日

号種

号外

原文ページ

p.5

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8年1月7日|p.5

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问题划分为两个阶段：第一阶段进行区域提名 (Region Proposal), 即从图像中选择出一些可能包含目标的候选区域; 第二阶段对候选区域进行分类和回归, 得到最终的目标检测结果。

R-CNN 系列算法是典型的 Two-stage 目标检测算法, 包括 R-CNN、Fast R-CNN、Faster R-CNN 等。

图 2-2 Faster R-CNN 网络结构

如图 2-2 所示, Faster R-CNN 算法主要包括四个部分: 特征提取网络、区域提名网络 (Region Proposal Network, RPN)、ROI Pooling 层以及分类和回归层。

特征提取网络用于提取输入图像的特征, 通常采用预训练的卷积神经网络 (如 VGG、ResNet 等) 作为骨干网络。区域提名网络用于生成候选区域, 它通过在特征图上滑动一个小的卷积核来预测每个位置可能存在的目标框及其置信度。

ROI Pooling 层将不同大小的候选区域映射到固定大小的特征图上, 以便后续的分类和回归操作。分类和回归层则对 ROI Pooling 层输出的特征进行分类和边界框回归, 得到最终的目标检测结果。

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。