基于深度学习的2D目标检测算法研究与优化

课题名称: 基于深度学习的2D目标检测算法研究与优化
学科专业: 计算机科学
课题关键词: 2D目标检测特征提取机制损失函数优化
辅导模式: 1对1
发表目标: SCI期刊1-4区
课题介绍: 2D目标检测是计算机视觉领域的核心任务之一，旨在从图像中准确定位并识别目标物体的类别与位置，广泛应用于自动驾驶、安防监控、机器人导航等领域。随着深度学习技术的发展，基于卷积神经网络的目标检测算法取得了突破性进展，如R-CNN系列、YOLO、SSD等模型通过端到端学习显著提升了检测精度与速度。然而，现有算法在复杂场景下仍面临小目标检测精度不足、遮挡处理能力有限、实时性与准确性平衡等挑战。针对这些问题，深入研究目标检测的特征提取机制、锚框设计策略及损失函数优化方法，对提升算法的鲁棒性和实用性具有重要意义。本课题聚焦于深度学习框架下2D目标检测算法的关键技术，通过模型结构改进与训练策略优化，探索高效、精准的目标检测解决方案。

导师信息

科研导师

Dr. Song

Top院校计算机博士

导师介绍

研究领域：自动驾驶感知，bev感知（BEVformer），端到端自动驾驶（UniAD，VAD），2D/3D目标检测,基于点云3D目标检测（Pointpillars，SECOND，PointRCNN，YOLO，Faster RCNN，DETR），多模态3D目标检测（BEVFusion），大模型学术成果：在IEEE Trans 一区，CCF A会上发表论文20+篇，包括CVPR，ICCV，ECCV，IJCAI，TPAMI，TGRS，TCSVT，IJCV，TNNLS。发表论文30篇，ccf A 8篇（cvpr，iccv，ijcai）trans1区（tpami，tnnls，tip，tgrs，tcsvt，tmm） cvpr，tpami，iccv，eccv，tip，ijcv，tgrs，tcsvt审稿人；曾在多家顶级大厂工作，例如滴滴，小米，商汤研究院，有丰富的学术和工程经验

招生要求

面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。