大盘点 | 2019年4篇目标检测算法最佳综述

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