【论文笔记】--目标检测算法在交通场景中应用综述

目标检测算法在交通场景中应用综述

摘要

  总结目标检测算法发展与研究现状，one-step与two-step优缺点对比，以车、人、非机动车为目标，从传统检测方法、目标检测算法、目标检测算法优化、三维目标检测、多模态目标检测、重识别六个方面分别论述和总结。
  交通场景是目标检测领域热点，传统方法复杂、精度低，深度学习方法发展。目标检测分为基于候选区域（two-step）和基于回归（one-step）两类。前者通过子网络辅助生成候选边界框，后者直接在特征图上生成候选边界框。


  基于候选区域的算法检测速度普遍较慢，在交通场景中检测的实时性还不能满足，但检测精度在不断提升；基于回归的算法检测速度快、实时性较好，但是检测精度与准确度相对于两阶段的算法还是较差。

目标检测算法在交通场景中的应用

非机动车识别

  真实场景的应用需求，识别面临的困难、干扰，需要研究的问题。传统算法典型列举，鲁棒性差，窗口冗余，真实场景中特征难以提取，难以满足需求。