计算机科学与探索

作者：徐彦威, 李军, 董元方, 张小利

单位：1. 吉林财经大学 管理科学与信息工程学院，长春 1301172. 吉林财经大学 人工智能研究中心，长春 1301173. 长春理工大学 经济管理学院，长春 1300224. 吉林大学 计算机科学与技术学院，长春 130015

关键词：YOLO算法,目标检测,计算机视觉,特征提取,卷积神经网络

近年来，基于深度学习的目标检测算法是计算机视觉研究热点，YOLO算法作为一种优秀的目标检测算法，其发展历程中网络架构的改进，对于提高检测速度和精度起到了重要作用。对YOLOv1~YOLOv9的整体框架进行了横向分析，从网络架构（骨干网络、颈部层、头部层）、损失函数方面进行了对比分析，充分讨论了不同改进方法的优势和局限性，具体评估了改进方法对模型精度的提升效果。讨论了数据集的选择与构建方法、不同评价指标的选择依据，及其在不同应用场景中的适用性和局限性，深入研究了在五个应用领域（工业、交通、遥感、农业、生物）YOLO算法的具体改进，并对检测速度、检测精度及复杂度之间的平衡进行探讨。分析了YOLO在各领域的发展现状，通过具体实例总结YOLO算法研究中存在的问题，并结合应用领域的发展趋势，展望YOLO系列算法的未来，详细探讨了YOLO算法的四个研究方向（多任务学习、边缘计算、多模态结合、虚拟和增强现实技术）。

来源：2024年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第9期