作者：Amusi
Date：2019-11-28
微信公眾號(hào)： CVer
鏈接： 大盤點(diǎn) | 2019年4篇目標(biāo)檢測(cè)算法最佳綜述

前言

上次整理了近期 目標(biāo)檢測(cè)比較亮眼的論文匯總，詳見： 一文看盡8篇目標(biāo)檢測(cè)最新論文(EfficientDet/EdgeNet/ASFF/RoIMix等） 。很多CVers在后臺(tái)和微信社群反映：這些都是很新的論文，我剛?cè)腴T都看不懂怎么辦？

10年積累的網(wǎng)站建設(shè)、網(wǎng)站制作經(jīng)驗(yàn)，可以快速應(yīng)對(duì)客戶對(duì)網(wǎng)站的新想法和需求。提供各種問題對(duì)應(yīng)的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認(rèn)識(shí)你，你也不認(rèn)識(shí)我。但先制作網(wǎng)站后付款的網(wǎng)站建設(shè)流程，更有南皮免費(fèi)網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

答：看綜述！大概理清脈絡(luò)后，再挑著細(xì)讀論文，擼代碼

正好已經(jīng)2019年11月底了，是時(shí)候做個(gè)總結(jié)性盤點(diǎn)，而這次盤點(diǎn)的就是2019年 目標(biāo)檢測(cè)綜述（Object Detection Review）。如果各位 CVer 喜歡這樣的盤點(diǎn)，請(qǐng)給這篇文章點(diǎn)個(gè)贊，如果點(diǎn)贊的人多，其它CV方向（分割/跟蹤等）的大盤點(diǎn)系列也會(huì)盡快推出！

本文分享的目標(biāo)檢測(cè)論文將同步推送到 github上，歡迎大家 star/fork（點(diǎn)擊閱讀原文，也可直接訪問）：

amusi/awesome-object-detection github.com

目標(biāo)檢測(cè)論文

【1】Object Detection in 20 Years: A Survey

時(shí)間：2019年5月

作者：密歇根大學(xué)&北航&卡爾頓大學(xué)&滴滴出行

鏈接： https://arxiv.org/abs/1905.0505 5

推薦指數(shù)：★★★★★

注：39頁(yè)的目標(biāo)檢測(cè)綜述，共計(jì)411篇參考文獻(xiàn)，太強(qiáng)了！

目標(biāo)檢測(cè)里程碑：2001-2019 目標(biāo)檢測(cè)多尺度方法：2001 - 2019 目標(biāo)檢測(cè)邊框回歸方法：2001 - 2019 目標(biāo)檢測(cè)非極大值抑制(NMS)方法：1994 - 2019

【2】A Survey of Deep Learning-based Object Detection

時(shí)間：2019年7月

作者：西安電子科技大學(xué)

鏈接： https://arxiv.org/abs/1907.0940 8

推薦指數(shù)：★★★★

注：30頁(yè)的目標(biāo)檢測(cè)綜述，從 Fast R-CNN到 NAS-FPN，均給出 COCO數(shù)據(jù)集上 mAP的數(shù)據(jù)，介紹10多種數(shù)據(jù)集，共計(jì)317篇參考文獻(xiàn)！

Two-stage和One-stage目標(biāo)檢測(cè)基礎(chǔ)框架 4種使用不同size feature map的目標(biāo)檢測(cè)算法 MS COCO 數(shù)據(jù)集算法性能對(duì)比

【3】Recent Advances in Deep Learning for Object Detection

時(shí)間：2019年8月

作者：新加坡管理大學(xué)&Salesforce

鏈接： https://arxiv.org/abs/1908.0367 3

推薦指數(shù)：★★★★

注：40頁(yè)的目標(biāo)檢測(cè)綜述，共計(jì)256篇參考文獻(xiàn)！從2013 OverFeat到2019 NAS-FPN/CenterNet/DetNAS，涵蓋目標(biāo)檢測(cè)機(jī)制、學(xué)習(xí)策略和應(yīng)用方向等內(nèi)容。還給出VOC/COCO數(shù)據(jù)集下的算法全面對(duì)比

目標(biāo)檢測(cè)里程碑：2012-2019 目標(biāo)檢測(cè)關(guān)鍵知識(shí)點(diǎn) VOC 數(shù)據(jù)集算法性能對(duì)比 MS COCO 數(shù)據(jù)集算法性能對(duì)比

【4】Imbalance Problems in Object Detection: A Review

時(shí)間：2019年9月

作者：中東技術(shù)大學(xué)

鏈接： https://arxiv.org/abs/1909.0016 9

推薦指數(shù)：★★★★

注：31頁(yè)的目標(biāo)檢測(cè)綜述，共計(jì)166篇參考文獻(xiàn)！分別從特征提取改進(jìn)、損失函數(shù)和抽樣方法等方法來介紹。

Imbalance problems Two-stage、One-stage和Bottom-Up目標(biāo)檢測(cè)基礎(chǔ)框架 目標(biāo)檢測(cè)通用框架訓(xùn)練流程 Feature-level imbalance方法示例

https://zhuanlan.zhihu.com/p/94090477

文章題目：大盤點(diǎn)|2019年4篇目標(biāo)檢測(cè)算法最佳綜述-創(chuàng)新互聯(lián)
標(biāo)題路徑：http://weahome.cn/article/escdo.html