mark一下,最早是从机器学习研究会上看到,收藏之后一直没时间细读。现开始阅读并分享出来。最后感谢作者分享!
文章名 | Deep Learning for Generic Object Detection: A Survey
文章地址 | https://arxiv.org/abs/1809.02165
作者 | Li Liu, Wanli Ouyang, Xiaogang Wang etc.
整理报导 | huaiwen
Deep Learning for Generic Object Detection: A Survey 这篇文章, 调查了250多个目标检测领域的关键贡献,涵盖了目标检测研究的许多方面:
最新的检测框架
热门的子问题
对象特征表示
proposal 生成
上下文信息建模
训练策略
评估问题
基准数据集
评估指标
当前最好结果
以及未来的方向
如下图所示, 从1999年的 SIFT 算子开始,一直就有研究人员,关注目标检测, 我们可以笼统的,将目标检测,分为:非深度学习时代,深度学习时代, 分水岭,是2012年的 AlexNet。
实际上,我们更关注,近期深度学习在目标检测上的成果,韩国的Lee hoseong 同学,将它们整理了一下,于是我们有了下图:
这张图,包含了,从2013年的 R-CNN开始,一直到前两天, 刚在德国开完会的 ECCV2018。Lee hoseong 同学将它们开源在了 github
Github 地址
https://github.com/hoya012/deep_learning_object_detection
它包含了, 从2014年,到现在,比较典型的目标检测的文章,及其代码。