【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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值