目标检测-2019年4篇目标检测算法最佳综述

大盘点 | 2019年4篇目标检测算法最佳综述

一、前言

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：https://github.com/amusi/awesome-object-detection

二、 正文

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/1905.05055

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！

【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/1907.09408

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！

【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/1908.03673

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。

【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/1909.00169

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。

福利

为了方便下载，我已经将上述4篇综述论文打包，百度云资源如下：

链接：https://pan.baidu.com/s/1KPWaEqun3a1T5fddmrf49A
提取码：zsmv

更多目标检测论文详见：https://github.com/amusi/awesome-object-detection

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！

个人微信公众号，欢迎关注~