目标检测20年整理

简介

目标：

What     Where

分类：

一般检测

应用检测

概况

路线：

两个历史时期：

传统物体检测期（2014年之前）”和“深度学习检测期（2014年之后）

数据集：

度量标准：

FPPW  FPPI  AP mAP   IoU

技术演进

发展路线

Recognition-by-components   组件 形状 边缘轮廓相似性度量

Machine Learning

基于机器学习的检测经历了多个时期：

外观统计模型（1998年之前），小波特征表示（1998-2005）和基于梯度的表示（2005-2012）。

多尺度检测的技术演进：

“特征金字塔和滑动窗口（2014年之前）”      HOG DPM Overfeat

混合模型            如何检测不同长宽比？

“目标预判检测（2010-2015）”

 

“深度回归（2013-2016）”

简单易行      定位不够准确

“多参考检测（2015年后）”

 

“多分辨率检测（2016年后）”。

 

边界框回归的技术演变：

“没有BB回归（2008年之前）”

“从BB到BB（2008-2013）”                          DPM

“从特征到BB（2013年之后）”

 

 

上下文启动的技术演进：

1）用局部上下文检测

2）用全局上下文检测

3）上下文交互

 

 

非最大抑制的技术演变：

1）贪婪选择

2）边界框聚合

3）Learning to NMS

 

硬负挖掘的技术演变：  HNM

 

 

实时性

检测加速技术：

“检测管道的加速”

“检测引擎的加速”

“数值计算的加速”

最新进展

特征融合

学习具有大感受野的高分辨率特征

超越滑动窗口

    子区域搜索

    关键点定位

本地化改进

    边界框细化

    设计新的损失函数

使用分段学习

旋转 规模 鲁棒检测

从零开始训练

对抗训练

弱监督对象检测