从R-CNN到RFBNet,深度目标检测5年纵览,文章+代码让你从入门到精通

【导读】目标检测,是计算机视觉领域中,最基本的,也是最具挑战性的问题之一,它旨在从自然的图像中,识别预定义的类别的物体,并定位它们(给出边界框)。实际上,目标检测并不是一个很新的任务,但是随着近年来的深度学习技术的加持,目标检测领域历久旎新。几天前,Li Liu 等研究人员,向 IJCV 投稿了一篇30页的关于深度目标检测的调研文章,专知小编拜读后,在这里与各位分享。

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。

请关注专知公众号(扫一扫最下面专知二维码,或者点击上方蓝色专知),

  • 后台回复“ODS” 就可以获取全文30页目标检测 Survey下载链接~ 

-END-

专 · 知


人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!


请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!


请加专知小助手微信(扫一扫如下二维码添加),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~

 AI 项目技术 & 商务合作:bd@zhuanzhi.ai, 或扫描上面二维码联系!

请关注专知公众号,获取人工智能的专业知识!

点击“阅读原文”,使用专知

展开全文
Top
微信扫码咨询专知VIP会员