Deep Learning for Generic Object Detection: A Survey

最近，中国国防科技大学、芬兰奥卢大学、澳大利亚悉尼大学、中国香港中文大学和加拿大滑铁卢大学等人推出一篇最新目标检测综述，详细阐述了当前目标检测最新成就和关键技术。文章最后总结了未来8个比较有前景的方向，对学习目标检测的人员提供了很大的帮助，在此翻译这篇文章，方便阅读与理解。

 　此外，来自首尔国立大学的 Lee hoseong 在近期开源了「deep learning object detection」GitHub 项目，正是参考该论文开发的。该项目集合了从 2013 年 11 月提出的 R-CNN 至在近期举办的 ECCV2018 上发表的 RFBNet 等四十多篇关于目标检测的论文，相当全面。这些论文很多都曾发表在机器学习或人工智能顶会上，如 ICLR、NIPS、CVPR、ICCV、ECCV 等。正如图中红色字体标示的那样，其中也包含了很多代表性的成果，如从 R-CNN 到 Mask R-CNN 的 R-CNN 系列、YOLO 系列、RPN、SSD、FPN 以及 RetinaNet 等。无论对刚入门的机器学习新手，还是想深入研究目标检测的研究者，都是难得的学习、参考资源。不仅如此，项目作者还给出了相应的完整资源列表，包括论文、官方/非官方实现。

GitHub的链接：GitHub - hoya012/deep_learning_object_detection: A paper list of object detection using deep learning.

参考翻译：

• Deep Learning for Generic Object Detection: A Survey -- 目标检测综述总结
• Deep Learning for Generic Object Detection: A Survey 笔记