计算机科学与探索

作者：任宁, 付岩, 吴艳霞, 梁鹏举, 韩希

单位：1.哈尔滨工程大学,哈尔滨 150001；2.黑龙江省自然资源技术保障中心,哈尔滨 150030

关键词：深度学习,目标检测,数据失衡,尺度失衡,相对空间失衡,分类与回归失衡

基金：中央高校基本科研业务费专项资金(3072021CFT0602)

目前手工提取特征进行目标检测的方案被深度学习所取代,深度学习技术极大地推动了目标检测技术的发展。目标检测也成为了深度学习最重要的应用领域之一。目标检测是同时预测给定图像中对象实例的类别和位置,这项技术已经广泛应用于医学影像、遥感技术、监控安防、自动驾驶等领域。但是随着深度学习技术的应用领域的多元化,目标检测中出现的失衡问题成为了目前优化目标检测训练模型的一个新的切入点。主要分析在运用机器学习技术解决目标检测问题过程中,模型在每个训练阶段会出现的四类失衡问题：数据失衡、尺度失衡、相对空间失衡以及分类与回归失衡。剖析问题产生的主要原因,研究具有代表性的经典解决方案,阐述目标检测在各个领域中存在的问题。通过对目标检测失衡问题的分析和总结,讨论未来目标检测失衡问题的研究方向。

来源：2022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2022年第9期