论文部分内容阅读
近年来,随着深度学习技术的快速发展,基于深度学习的目标检测研究不断涌现。通过采用系统性文献综述方法对目标检测领域的156篇文献进行回顾,梳理出目标检测领域四个不同的研究问题,并对目标检测应用、数据集、主流深度卷积神经网络模型和框架进行总结。
基于深度学习的目标检测系统性文献综述
【摘 要】
：
近年来,随着深度学习技术的快速发展,基于深度学习的目标检测研究不断涌现。通过采用系统性文献综述方法对目标检测领域的156篇文献进行回顾,梳理出目标检测领域四个不同的研究问题,并对目标检测应用、数据集、主流深度卷积神经网络模型和框架进行总结。
【机 构】
：
四川大学计算机学院
【出 处】
：
现代计算机
【发表日期】
：
2021年16期
其他文献
机载通信管理软件作为地面电台与机载航电间的数据处理传输软件,因其数据处理量庞大且对数据精度要求较高,在通信导航识别系统中具有不可或缺的重要地位。为更客观公正的评价机载通信管理软件,依据GB/T 30961-2014软件质量度量标准,选择符合软件特点的度量模型,结合度量举证的权重比例,计算被度量软件的综合质量评分,最终实现对机载通信管理软件较为客观公正的评价,在此基础上提出切实可行的提高软件质量的手段和方法,提高机载通信管理软件质量。
网络安全形势日益严峻,从威胁情报中抽取网络安全实体及其关系,构建结构化威胁情报信息,对于网络安全从业人员来说尤为重要。过去的工作主要利用基于特征的模型来完成,不仅耗时,还需要完成大量的特征工程任务,为威胁情报信息抽取研究带来巨大的挑战。基于上述情况,为了降低任务对特征工程的需求,提出一个基于神经网络模型的威胁情报信息抽取方法(TIIE),一方面,采用长短时记忆神经网络(LSTM)进行命名实体识别任务,并利用条件随机场(CRF)模型实现序列标签之间的约束性;另一方面,结合长短时记忆神经网络模型和最短依赖路径