その他令和8年1月7日

基于深度学习的目标检测算法 (2.2.2)

掲載日
令和8年1月7日
号種
号外
原文ページ
p.8
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

基于深度学习的目标检测算法 (2.2.2)

令和8年1月7日|p.8

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
随着深度学习的发展，基于深度学习的目标检测算法逐渐取代了传统的目标检测算法。目前主流的目标检测算法分为两类：一类是基于候选区域（Region Proposal）的两阶段（Two-stage）目标检测算法，另一类是不需要产生候选区域的单阶段（One-stage）目标检测算法。 两阶段目标检测算法首先通过选择性搜索（Selective Search）或边缘框（Edge Boxes）等方法生成一系列可能包含目标的候选区域，然后利用卷积神经网络（Convolutional Neural Network, CNN）对这些候选区域进行分类和回归，得到最终的目标检测结果。代表性的两阶段目标检测算法有 R-CNN[1]、Fast R-CNN[2]、Faster R-CNN[3]等。 单阶段目标检测算法直接在图像上进行密集采样，利用 CNN 对每个采样点进行目标分类和位置回归，不需要生成候选区域。代表性的单阶段目标检测算法有 YOLO[4]、SSD[5]等。 相比于两阶段目标检测算法，单阶段目标检测算法具有更高的检测速度，但检测精度相对较低。近年来，研究人员提出了许多改进的单阶段目标检测算法，如 RetinaNet[6]、YOLOv3[7]等，这些算法在保持较高检测速度的同时，也取得了较高的检测精度。
号)
読み込み中...
基于深度学习的目标检测算法 (2.2.2) - 第8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 →