胡晓颖

本研究深入探讨了机器视觉领域的图像目标检测算法，并侧重于该算法的实际应用研究。利用大规模真实图像数据，我们比较并分析了深度学习框架下的几种主流目标检测算法，包括Faster R-CNN,SSD,YOLO等。研究发现，这些算法在准确度、检测速度和复杂度等方面存在不同的优势和劣势。我们还设计并实施了一种基于深度卷积神经网络的新型目标检测算法，该算法成功地将检测精度和处理速度进行了有效的平衡。实验结果显示，该算法在多个图像数据库上都取得了显著的性能提升。通过这项研究，我们不仅能更深入地理解各种目标检测算法的特性，还能推动相关领域的应用研究发展，如无人驾驶，智能监控等。

机器视觉；图像目标检测；深度学习；Faster R-CNN；YOLO

[1] 吴红娟.基于模糊神经网络的图像目标检测技术分析[J].长江信息通信,2022,35(12):64-66. [2] 赵宝水,黄海龙,田昊.基于机器视觉的小目标复制图像篡改检测方法[J].计算机仿真,2021,38(08):227-230+304. [3] 石龙杰.基于机器视觉的汽车换挡面板自动分类与字符缺陷检测技术研究[D].浙江科技学院,2020. [4] 刘思洋.基于深度学习机器视觉目标检测的票据鉴别关键技术[D].华南理工大学,2020.DOI:10.27151/d.cnki.ghnlu.2020.004509. [5] 王东.视觉窄化下船舶目标图像的检测方法研究[D].江苏科技大学,2019.DOI:10.27171/d.cnki.ghdcc.2019.000038. [6] 朱炯.基于卷积神经网络的目标检测与识别[D].中国矿业大学,2019.

点击下载PDF