その他令和8年1月9日

基于深度学习的目标检测算法 (Overview)

掲載日
令和8年1月9日
号種
本紙
原文ページ
p.10
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 (Overview)

令和8年1月9日|p.10

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：第一阶段进行候选区域提取，第二阶段对候选区域进行分类和位置精修。R-CNN[2]是第一个将 CNN 应用到目标检测领域的模型，它首先利用选择性搜索（Selective Search）算法生成大约 2000 个候选框，然后将这些候选框缩放成统一大小并输入到 CNN 中进行特征提取，最后利用 SVM 进行分类并利用线性回归模型对候选框的位置进行修正。
Fast R-CNN[3]在 R-CNN 的基础上进行了改进，它将整张图片输入到 CNN 中提取特征图，然后利用 ROI Pooling 层从特征图中提取出每个候选区域的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进行分类和位置回归。相比于 R-CNN，Fast R-CNN 只需要对整张图片进行一次 CNN 前向传播，大大提高了检测速度。
Faster R-CNN[4]进一步改进了 Fast R-CNN，它提出了区域提议网络（Region Proposal Network, RPN），用 RPN 替代了选择性搜索算法来生成候选框。RPN 是一个全卷积网络，它可以与检测网络共享卷积特征，从而实现了端到端的训练和测试。Faster R-CNN 的检测速度和精度都得到了显著提升。
読み込み中...
基于深度学习的目标检测算法 (Overview) - 第10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 →