【目标检测】|论文笔记 综述类

综述一
标题：Deep Domain Adaptive Object Detection: a Survey（深度域适应目标检测）

作者：Wanyi Li, Peng Wang

单位：中国科学院自动化研究所

链接：https://arxiv.org/abs/2002.06797

标题：Foreground-Background Imbalance Problem in Deep Object Detectors: A Review（深度目标检测器中前景-背景不平衡问题综述）

作者： Joya Chen, Tong Xu

单位： 中国科学技术大学

链接： https://arxiv.org/abs/2006.09238

综述三
标题：A Review and Comparative Study on Probabilistic Object Detection in Autonomous Driving（自动驾驶中的概率目标检测方法综述与比较研究）

作者：Di Feng,Ali Harakeh,Steven Waslander,Klaus Dietmayer

链接：https://arxiv.org/abs/2011.10671

标题：Camouflaged Object Detection and Tracking: A Survey（伪装目标检测与跟踪研究综述）

作者：Ajoy Mondal

单位： IIIT Hyderabad

链接：https://arxiv.org/abs/2012.13581

【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

【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

【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

【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

Object Detection in 20 Years:
翻译https://blog.csdn.net/clover_my/article/details/92794719

边框回归(The Bounding Box regression)是目标检测非常重要的技术。它的目的是根据初始设定的anchor box来进一步改进修正预测框的位置。目标检测发展的几十年来，多尺度检测技术的演变经历了以下过程：Without BB regression(2008年之前)From BB to BB(2008-2013年)From feature to BB(2013年后)
https://zhuanlan.zhihu.com/p/382702930