1、“.....因而现在多在实际落地场景中被采用。但是无论采用哪种决策方法，其决策质量的好坏极大程度取决于车辆感知层输入数据的好坏。无人驾驶领域中目标检测算法的应用自动化论文。由于深度学习算法对图像处理的高效性，使得无人车可以利用单双目摄像头实现对自动控制的需求，减轻了传统方法对昂贵的雷达激光扫描仪等车载传感器的依赖性。值得提的是，年华为诺亚方舟实验室的篇论文中提出了种新型的端侧神经网络架构，称之为目标检测算法在无人驾驶领域的融合应用进行了说明。通过对两类分别基于候选区域和回归的目标检测算法的研究，提出了实时目标检测系列算法在交通道路上对于目标检测的应用过程示例，认为采用基于回归算法模型的车辆能具备更好的道路标识识别能力，提供了车辆无人驾驶行为决策的基础......”。

2、“.....其中无人车智能的核心模块是行为决策。动力控制模块对无人车无人驾驶领域中目标检测算法的应用自动化论文正意义上实现了将图像候选框的生成，图像特征的提取，对目标物体的位置回归与所属类别的分类都整合到个网络模型中去。这些步骤极大程度地提高了网络模型的检测速度，让成为当时第个准实时目标检测网络模型。系列算法自基于深度学习的目标检测算法被提出以来，使用该方法构建的网络模型不断地被应用于计算机视觉领域，并且在该领域取得了很多不错的成绩。目标检测系列算法因为其高时效性，高准确性，轻量性脱颖而出，在工业中现已被用于施工场景的安全帽实络进行优化设计以后提出了。在中，作者真正意义上实现了将图像候选框的生成，图像特征的提取，对目标物体的位置回归与所属类别的分类都整合到个网络模型中去......”。

3、“.....让成为当时第个准实时目标检测网络模型。网络模型相对于前代网络模型最大的改变在于其开始考虑网络模型在现实场景下的部署问题。中提出了种让用户自己训练高效目标检测网络模型的方法，只需要以满足车辆在随机道路上行驶时所产生的复杂决策，基于深度学习的决策方法，在经过海量道路数据训练后的网络模型能达到较高的泛化能力以及极强的灵活性，因而现在多在实际落地场景中被采用。但是无论采用哪种决策方法，其决策质量的好坏极大程度取决于车辆感知层输入数据的好坏。系列算法自基于深度学习的目标检测算法被提出以来，使用该方法构建的网络模型不断地被应用于计算机视觉领域，并且在该领域取得了很多不错的成绩。目标检测系列算法因为其高时效性，高准确性，轻量性摘要基于深度学习的快速发展，以及高性能嵌入式设备的应用，对基于深度卷积神经网络的目标检测算法在无人驾驶领域的融合应用进行了说明......”。

4、“.....提出了实时目标检测系列算法在交通道路上对于目标检测的应用过程示例，认为采用基于回归算法模型的车辆能具备更好的道路标识识别能力，提供了车辆无人驾驶行为决策的基础。关键词卷积神经网络无人驾驶深度学习目标检测算法行为决策环境感知行为决策以及动力控制大模块大体组成无人向电力智能安监的极低分辨率目标检测算法计算机工程与设计，张财广，熊博莅，匡纲要光学卫星遥感图像舰船目标检测综述电波科学学报，姬晓飞，石宇辰，王昱，等理论多分类器融合的光学遥感图像多目标识别电子测量与仪器学报，张瑞琰，姜秀杰，安军社，等面向光学遥感目标的全局上下文检测模型设计中国光学，谢娟英，刘然基于深度学习的目标检测算法研究进展陕西师范大学学报自然科学版，黄健，张钢深度卷积神经网络的目标检测算法综述计算机工程与应用，白冰，钟必能，保持可比的性能。在效率和准确性方面......”。

5、“.....结束语本文对无人车如何实现智能进行了解释，并对几种主流的目标检测算法进行了概述。对目标检测算法进行了详细地描述。从实现无人车自主决策的角度来说，机器视觉以及深度学习等方法将会扮演重要的角色。如今已不乏寻求纯视觉作为自动驾驶解决方案的大厂，例如百度的华为蔚来等。虽然神经网络作为图像处理有独特的优势，但是其仍然存在些问题和骤繁多，造成网络的检测速度慢，实时性差。基于深度学习的目标检测算法省去了提前生成候选框这步骤，而将对图像数据的特征提取对目标物体的类别分类和位置预测都结合到了个过程进行，使得目标检测这过程简化为种端到端的问题。这对网络模型的检测速度提升有着较为乐观的提升，但是精度有着些许的降低。基于工业实际场景中对实时性的高要求，如今多采用基于深度学习的目标检测算法模型。无人驾驶领域中目标检测算法的应用自动化论文......”。

6、“.....使得无人卫星图像船只实时检测液晶与显示，王永平，张红民，彭闯，等基于的高压开关设备异常发热点目标检测方法红外技术，陈鸿龙，刘东永，倪志琛，等基于的旋翼无人机人脸识别实验平台实验技术与管理，席孝倩，刘威基于目标检测算法的肺结节辅助诊断系统计算机与现代化，。目标检测算法模型目标检测是计算机视觉领域个热点任务，其目的是在图像数据中找出目标物体的位置边框以及对目标物体的所属类别进行分类。如今目标检测相关算法已经被应用于各行各业之中。例如无人驾驶领域中目标检测算法的应用自动化论文阳谷融合分层卷积特征和尺度自适应核相关滤波器的目标跟踪小型微型计算机系统，王沣改进的口置和安全帽佩戴人工智能检测识别算法建筑与预算，陈科峻，张叶基于模型压缩的卫星图像船只实时检测液晶与显示，王永平，张红民，彭闯，等基于的高压开关设备异常发热点目标检测方法红外技术，陈鸿龙，刘东永，倪志琛......”。

7、“.....席孝倩，刘威基于目标检测算法的肺结节辅助诊断系统计算机与现代化驾驶车辆行为决策系统研究汽车技术，胡伏原，李林燕，尚欣茹，等基于卷积神经网络的目标检测算法综述苏州科技大学学报自然科学版，黄同愿，杨雪姣，向国徽，等基于单目视觉的小目标行人检测与测距研究计算机科学浦伦基于图像处理的城市轨道交通异物检测系统研究城市轨道交通研究，吴华运，任德均，吕义钊，等基于改进的医药空瓶表面气泡检测川大学学报自然科学版，张友康，苏志刚，张海刚，等光安检图像多尺度违禁品检测信号处理，郭敬东，李晓林距研究计算机科学浦伦基于图像处理的城市轨道交通异物检测系统研究城市轨道交通研究，吴华运，任德均，吕义钊，等基于改进的医药空瓶表面气泡检测川大学学报自然科学版，张友康，苏志刚，张海刚，等光安检图像多尺度违禁品检测信号处理，郭敬东......”。

8、“.....张财广，熊博莅，匡纲要光学卫星遥感图像舰船目标检测综述电波科学学报，姬晓飞，石宇辰，王昱，等理论多分类器融合的光学遥感术瓶颈。比如如何处理神经网络的黑盒性如何在训练集很小的情况下对网络进行训练以及如何更好的利用目标检测算法对无人车决策模块进行优化等，对于这些现存问题的解决将会是未来深度学习领域和无人驾驶视觉领域融合研究的重点。参考文献陈佳佳城市环境下无人驾驶车辆决策系统研究合肥中国科学技术大学，黑凯先，曲大义，周警春，等基于随机森林决策树的行驶车辆换道行为识别青岛理工大学学报，张元侠基于学习模型的换挡决策研究长春吉林大学，熊璐，康宇宸，张培志，等无人车可以利用单双目摄像头实现对自动控制的需求，减轻了传统方法对昂贵的雷达激光扫描仪等车载传感器的依赖性。值得提的是，年华为诺亚方舟实验室的篇论文中提出了种新型的端侧神经网络架构，称之为......”。

9、“.....被用来处理神经网络训练时所产生的冗余特征图。其基本思想就是利用种更加廉价的方法来生成那些极其相似的特征图，而这些特征图在原神经网络中是以卷积等操作生成的，因此模块减少了神经网络的计算成本，同车辆无人驾驶领域被应用于道路检测行人检测交通异常事件检测等在医药领域被用于医药空瓶表面气泡检测对牙龈炎早期迹象的预防检测对病人进行医学诊断等，事实上目标检测神经网络模型还在安检安防领域光学遥感领域，有着较为广泛的应用。大体来说，目标检测算法根据是否提前生成候选框而分为两大类。类是传统的目标检测算法，类是基于深度学习的目标检测算法。传统目标检测算法往往通过人工设计的特征来选择生成候选框，这导致了在网络的训练过程中会产生很多冗余的窗口，整体计算像多目标识别电子测量与仪器学报，张瑞琰，姜秀杰，安军社，等面向光学遥感目标的全局上下文检测模型设计中国光学......”。