7、论文阅读：20 年来的物体检测：一个调查

A Survey)

前言

本文从技术演变的角度广泛回顾了这个快速发展的研究领域（1990s - 2022s）。本文涵盖了许多主题，包括历史上的目标检测的里程碑、检测数据集、指标、检测系统的基本构建模块、加速技术和最新的最先进的检测方法。

引言

目标检测是一项重要的计算机视觉任务，涉及检测数字图像中特定类别（例如人类、动物或汽车）的视觉对象的实例。目标检测的目标是开发计算模型和技术，提供计算机视觉应用所需的最基本知识之一：什么物体在哪里？。目标检测最重要的指标是：准确率（分类准确率&定位准确率）、速度。目标检测的应用包括：自动驾驶、机器人视觉、视频监控。由于不同的检测任务有完全不同的目标和约束，因此它们的难度也可能不同。 除了其他计算机视觉任务中的一些常见挑战（例如不同视角、照明）之外，对象检测中的挑战包括但不限于以下方面：对象旋转和尺度变化（例如， 小物体）、准确的物体定位、密集和遮挡的物体检测、检测加速等等。

本论文关键的特点有以下几点：
（1）根据技术演变进行全面审查
（2）关键技术的深入探索
（3）最近的关键技术
（4）检测加速技术的综合分析

主要线索集中在过去、现在和未来，并辅以对象检测中其他一些必要的组件，例如数据集、指标和加速技术。

20年来的目标检测

在本节中，我们将从多个角度回顾目标检测的历史，包括目标检测的里程碑、数据集、指标和关键技术的演变。

目标检测路线图

过去二十年，人们普遍认为物体检测的进展大致经历了两个历史时期：传统物体检测时期（2014年之前）、基于深度学习的检测期（2014年之后）。下面我们总结一下这一时期的目标检测的里程碑，以出现时间和性能为主要线索，凸显背后的技术。

里程碑

（1）传统物体检测：早期的目标检测算法是基于手工提取特征来构建的。由于当时缺乏有效的图像表示，人们不得不设计复杂的特征表示和各种加速技巧。
（2）Viola-Jones检测器：2001年，Viola 和 Jones首次实现无任何约束的人脸实时检测。VJ 检测器遵循最直接的检测方式：滑动框，检查图像中所有可能的位置和比例，以查看是否有任何窗口包含人脸。VJ检测器通过三项重要技术来提高检测速度： “积分图像”、“特征选择” 和 “检测级联”。
（3）HOG 检测器：2005年，Dalal 和 Triggs [12] 提出了定向梯度直方图（HOG）特征描述符。HOG可以被认为是对当时尺度不变特征变换和形状上下文的重要改进。
为了平衡特征不变性（包括平移、尺度、照明等）和非线性，HOG 描述符被设计为在均匀间隔单元的密