چکيده
شناسايي و تشخيص شيء براي مدت طولاني يك رويكرد پژوهشي گسترده بوده است. در دهه‌هاي گذشته تعداد زيادي الگوريتم پيشنهادشده است. اين به خاطر اين واقعيت است كه، در يك نگاه نزديك، "تشخيص شيء" به‌اصطلاح پوششي براي الگوريتم‌هاي مختلف طراحي‌شده براي طيف گسترده‌اي از روش‌هاي كاربردي مرتبط با شيء است، كه در آن هر روش محدوديت‌هاي خاص خود را دارد. اين پژوهش تنوع روش‌ها را نشان مي‌دهد و برخي از كلاسه‌اي الگوريتم مهم را با ارائه مثال‌هاي نمونه براي هر كلاس بررسي مي‌نمايد. ارائه هر الگوريتم بر ايده اصلي تمركز دارد. بيشتر پژوهش‌هاي صورت گرفته بر روي شناسايي شيء، مبتني بر شناسايي شيء بر اساس تصوير يا قطعه‌اي از ويديو هست.
در ادامه به معرفي ساختار يادگيري و شبكه‌هاي عميق پرداخته مي‌شود، در مرحله‌ي بعد شبكه‌هاي مهم در كاربرد‌هاي مختلف ارائه مي‌گردد. ساختار‌هاي بهينه و اصلاح‌شده معرفي مي‌شود. در ادامه به رويكردهاي صرف تشخيصشي پرداخته مي‌شود و روش‌هاي پيشرفته‌ي تشخيصشي معرفي مي‌گردد. در ادامه به معرفي رويكرد يادگيري سريع به همراه تلفيق ويژگي‌هاي مختلف در قالب ابعاد گوناگون، پرداخته مي‌شود، ازاين‌رو رويكرد ماشين يادگيري گسترده معرفي مي‌شود. در مباحث بعدي به معرفي شبكه‌هاي كانولوشن مبتني بر اسپايكي، به‌عنوان رويكردي بهينه در انجام محاسبات و كاهش پيچيدگي‌ها پرداخته مي‌شود، كه مي‌توان از مهم‌ترين مزاياي آن كاربرد در فرآيندهاي زمان واقعي باشد. در پايان به معرفي توجه در بينايي پرداخته مي‌گردد و سپس به دو رويكرد آن پرداخته مي‌شود.
