《表1 基于非单阶段车辆检测相关算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的单阶段车辆检测算法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

目前车辆检测的算法一般被分为两大类：一类算法是基于边框回归的单阶段目标检测网络；另一类算法则是以Faster-RCNN(Region-based Convolutional Neural Network）模型网络为理论基础的基于候选区域的两阶段目标检测网络。当前车辆检测技术不断地改进与发展，出现了一系列的具有重要代表性的检测算法如Fast-RCNN、Faster-RCNN等。在表1中所列出的车辆检测的技术和方法都主要是基于深度学习的非单阶段目标检测算法的应用研究，包括两阶段的目标检测算法网络或仅使用卷积神经网络的检测方法，来对车辆进行定位与识别，其最大的优点在于网络检测的精度较高，车辆的定位也准确，不足之处在于网络检测的速度较慢。对于车辆检测来说，检测网络的检测慢速度并不有利于实时车辆的检测，单阶段的检测网络检测的速度快、精度较高、结构简单，能够实时地对车辆进行检测，因此在车辆检测领域中单阶段目标检测算法具有较高的应用研究价值。