标签：检测 YOLO 目标 算法 图像 深度 2.2 100
目录
前言
国内外研究现状
传统的目标检测算法
基于深度学习的目标检测算法
2相关技术
2.1 深度学习概述
2.2.1卷积层
2.2.2池化层
2.2.3全连接层
2.2.4激活函数
2.2.5批量标准化算法
2.3 目标检测常见概念
2.3.1 交并比
2.3.2 非极大值抑制
2.4 深度学习目标检测算法
2.4.1 单阶段目标检测法
2.4.2 双阶段目标检测法
3基于单阶段深度通道注意力的遥感图像目标检测算法
3.1 引言
3.2 残差网络
3.3 深度通道注意力机制
3.4 方法
3.4.1 网络体系结构
3.4.2 训练优化过程
本文篇幅较长，分为上下两篇，下篇详见基于深度学习的遥感图像目标检测(续)
前言
现代遥感技术起源于20世纪60年代，其不仅在科研领域发挥着重要作用，而且 也成为了国家科技发展和综合实力评估中重要的标志之一[ 1]。随着科技的不断进步， 遥感技术在图像识别方面也取得了显著的进展。现代遥感技术已经能够利用高分辨率 卫星图像进行目标检测，并通过图像处理、机器学习和深度学习等方法，实现对遥感 图像中的目标进行自动识别和分析。这不仅提高了遥感技术在各个应用领域的效率和 精度，也为人们提供了更多的应用可能性。图像识别[ 2]作为人工智能中发展迅速的领 域，旨在通过计算机理解和模拟人类视觉系统，实现对图像中内容的
标签：检测,
YOLO,
目标,
算法,
图像,
深度,
2.2,
100
From： https://blog.csdn.net/qq_36130719/article/details/144415587