2018到2019的目标检测关键论文（补充中...）

3. A Relation Network Based Approach to Curved Text Detection

论文链接：https://icdar2019.org/list-of-accepted-papers/

该论文创新地提出了一套基于关系网络（Relation Network）的新型文字检测框架，有效提升了通用文本行检测的准确率。该论文发表在ICDAR 2019会上。

4. An Anchor-free Region Proposal Network for Faster R-CNN-based Text Detection Approaches

论文链接：https://www.springerprofessional.de/en/an-anchor-free-region-proposal-network-for-faster-r-cnn-based-te/17013452

该论文提出了一种称为anchor-free RPN的物体检测算法来解决经典RPN算法无法有效预测任意方向文本框的问题。该算法不仅在单词级别的文字检测任务上取得很好的结果，而且类似思想在当前物体检测领域也成为主流。该论文发表在IJDAR期刊上。

14. Deformable ConvNets v2: More Deformable, Better Results

论文链接：https://arxiv.org/pdf/1811.11168.pdf

在CVPR 2019上，该论文提出了更强的可变形卷积网络，相比标准卷积其能广泛且显著提升各种视觉感知任务的准确率，包括图像分类，物体检测，语义分割，物体跟踪等等，例如在COCO物体检测基准测试中，相比相同条件下的标准卷积网络能取得近7个点的提升。

15. RepPoints: Point Set Representation for Object Detection

论文链接：https://arxiv.org/pdf/1904.11490.pdf

边界框是视觉物体表示的标准方法，在ICCV 2019上，该论文提出了一种基于点集来替代边界框的物体表示新方法，这一新方法具有更强的表示能力和可解释性。基于这一新的表示，得到了当时最好的无锚点检测器。这一表示方法最近还被推广到实例分割和人体姿态估计中。

28. Learning 2D Temporal Adjacent Network for Moment Localization with Natural Language

论文链接：https://arxiv.org/pdf/1912.03590.pdf

论文发表在AAAI 2020，提出了时序信息处理问题中一种全新的建模思路——二维时间图，在基于自然语言描述的视频内容定位和视频内人体动作检测两个任务上验证了其有效性。

以上几篇来自于：https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/104218384