前言
上次整理了近期目标检测比较亮眼的论文汇总,详见: 一文看尽8篇目标检测最新论文(EfficientDet/EdgeNet/ASFF/RoIMix/SCL/EFGRNet等)。很多CVers在后台和微信社群反映:这些都是很新的论文,我刚入门都看不懂怎么办?
答:看综述!大概理清脉络后,再挑着细读论文,撸代码
正好已经2019年11月底了,是时候做个总结性盘点,而这次盘点的就是2019年目标检测综述(Object Detection Review)。
本文分享的目标检测论文将同步推送到 github上,欢迎大家 star/fork(点击阅读原文,也可直接访问):
https://github.com/amusi/awesome-object-detection
目标检测论文
【1】Object Detection in 20 Years: A Survey
时间:2019年5月
作者:密歇根大学&北航&卡尔顿大学&滴滴出行
链接:https://arxiv.org/abs/1905.05055
推荐指数:★★★★★
注:39页的目标检测综述,共计411篇参考文献,太强了!
目标检测"里程碑":2001-2019
目标检测多尺度方法:2001 - 2019
目标检测边框回归方法:2001 - 2019
目标检测非极大值抑制(NMS)方法:1994 - 2019
【2】A Survey of Deep Learning-based Object Detection
时间:2019年7月
作者:西安电子科技大学
链接:https://arxiv.org/abs/1907.09408
推荐指数:★★★★
注:30页的目标检测综述,从 Fast R-CNN到 NAS-FPN,均给出 COCO数据集上 mAP的数据,介绍10多种数据集,共计317篇参考文献!
Two-stage和One-stage目标检测基础框架
4种使用不同size feature map的目标检测算法
MS COCO 数据集算法性能对比
【3】Recent Advances in Deep Learning for Object Detection
时间:2019年8月
作者:新加坡管理大学&Salesforce
链接:https://arxiv.org/abs/1908.03673
推荐指数:★★★★
注:40页的目标检测综述,共计256篇参考文献!从2013 OverFeat到2019 NAS-FPN/CenterNet/DetNAS,涵盖目标检测机制、学习策略和应用方向等内容。还给出VOC/COCO数据集下的算法全面对比
目标检测"里程碑":2012-2019
目标检测关键知识点
VOC 数据集算法性能对比
MS COCO 数据集算法性能对比
【4】Imbalance Problems in Object Detection: A Review
时间:2019年9月
作者:中东技术大学
链接:https://arxiv.org/abs/1909.00169
推荐指数:★★★★
注:31页的目标检测综述,共计166篇参考文献!分别从特征提取改进、损失函数和抽样方法等方法来介绍。
Imbalance problems
Two-stage、One-stage和Bottom-Up目标检测基础框架
目标检测通用框架训练流程
Feature-level imbalance方法示例