その他令和8年6月17日

2.2.2 基于深度学习的目标检测算法 (Continued)

掲載日

令和8年6月17日

号種

政府調達

原文ページ

p.39

確認

出典：官報発行サイト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6月17日|p.39|原文を見る

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成为主流。这类算法通常使用卷积神经网络（Convolutional Neural Network, CNN）来提取图像特征，并通过回归或分类的方式预测目标的位置和类别。

基于深度学习的目标检测算法可以分为两类：一类是两阶段（Two-stage）检测算法，如 R-CNN、Fast R-CNN、Faster R-CNN 等；另一类是一阶段（One-stage）检测算法，如 YOLO、SSD 等。

两阶段检测算法首先通过区域提议网络（Region Proposal Network, RPN）生成候选区域，然后对这些候选区域进行分类和回归。一阶段检测算法则直接在图像上预测目标的位置和类别，无需生成候选区域。

近年来，基于深度学习的目标检测算法在精度和速度上都取得了显著的进展。例如，YOLOv5 和 EfficientDet 等算法在保持较高精度的同时，也实现了较快的检测速度。

読み込み中...

テキスト領域

選択中

非公開 (PII)