大盘点|2019年4篇目标检测算法最佳综述-创新互联
作者：Amusi
Date：2019-11-28
微信公众号： CVer
链接： 大盘点 | 2019年4篇目标检测算法最佳综述
前言
上次整理了近期 目标检测比较亮眼的论文汇总，详见： 一文看尽8篇目标检测最新论文(EfficientDet/EdgeNet/ASFF/RoIMix等） 。很多CVers在后台和微信社群反映：这些都是很新的论文，我刚入门都看不懂怎么办？
答：看综述！大概理清脉络后，再挑着细读论文，撸代码
正好已经2019年11月底了，是时候做个总结性盘点，而这次盘点的就是2019年 目标检测综述（Object Detection Review）。如果各位 CVer 喜欢这样的盘点，请给这篇文章点个赞，如果点赞的人多，其它CV方向（分割/跟踪等）的大盘点系列也会尽快推出！
本文分享的目标检测论文将同步推送到 github上，欢迎大家 star/fork（点击阅读原文，也可直接访问）：
amusi/awesome-object-detection
github.com
目标检测论文
【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/1905.0505 5
推荐指数：★★★★★
注：39页的目标检测综述，共计411篇参考文献，太强了！
目标检测里程碑：2001-2019
目标检测多尺度方法：2001 - 2019
目标检测边框回归方法：2001 - 2019
目标检测非极大值抑制(NMS)方法：1994 - 2019
【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/1907.0940 8
推荐指数：★★★★
注：30页的目标检测综述，从 Fast R-CNN到 NAS-FPN，均给出 COCO数据集上 mAP的数据，介绍10多种数据集，共计317篇参考文献！
Two-stage和One-stage目标检测基础框架
4种使用不同size feature map的目标检测算法
MS COCO 数据集算法性能对比
【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/1908.0367 3
推荐指数：★★★★
注：40页的目标检测综述，共计256篇参考文献！从2013 OverFeat到2019 NAS-FPN/CenterNet/DetNAS，涵盖目标检测机制、学习策略和应用方向等内容。还给出VOC/COCO数据集下的算法全面对比
目标检测里程碑：2012-2019
目标检测关键知识点
VOC 数据集算法性能对比
MS COCO 数据集算法性能对比
【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/1909.0016 9
推荐指数：★★★★
注：31页的目标检测综述，共计166篇参考文献！分别从特征提取改进、损失函数和抽样方法等方法来介绍。
Imbalance problems
Two-stage、One-stage和Bottom-Up目标检测基础框架
目标检测通用框架训练流程
Feature-level imbalance方法示例
https://zhuanlan.zhihu.com/p/94090477
文章题目：大盘点|2019年4篇目标检测算法最佳综述-创新互联
当前路径：http://cdiso.cn/article/escdo.html
