83页《目标分类和目标检测综述（2D和3D数据）》论文，来自纽约城市大学

【导读】目标分类和目标检测都是目前计算机视觉领域使用较为广泛的技术。对许多实际应用，如自动驾驶、安防监控等，目标分类和检测是核心的算法。本文介绍来自纽约城市大学的83页《目标分类和目标检测综述》，该论文综述了2D和3D场景下的目标分类和检测技术。

目标分类和目标检测都是目前计算机视觉领域使用较为广泛的技术。对许多实际应用，如自动驾驶、安防监控等，目标分类和检测是核心的算法。深度学习的出现，使得目标分类和检测技术有着革命性的突破。对于实际应用来说，目标分类和检测仍面临着性能和效率的挑战。

来自纽约大学的《A survey of Object Classification and Detection based on 2D/3D data》（）介绍了2D和3D场景下的目标分类和检测技术。目录大致如下：

• 简介

• 基于2D图像的系统

• 高阶主要任务

• 图像分类的主要网络

• 目标检测

• 边界框（Bounding Box）编码方法

• 2阶段系统（RCNN、Fast RCNN、Faster RCNN）

• 1阶段系统（YOLO、YOLOv2）

• 基于2D的方法的总结

• 语义分割

• Mask R-CNN

• 基于3D图像的系统

• 主要高阶任务

• 3D图像数据表示

• 分类

• ModelNet40排行榜

• CAD分类输入

• MVCNN

• RotationNet

• PointNet

• 检测

• 3D目标检测数据集

• 检测输出

• 阶段数量对比

• 3D边界框（Bounding Box）编码方法

• 基于输入数据、特征表示、边界框编码方法和卷积核的对比

• 性能对比

• 应用场景对比

• 室内场景

• 户外场景

• 户外和室内场景

• 3D系统的数据表示方法总结

• 总结

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“SOCD23” 就可以获取《目标分类和目标检测综述（2D和3D数据）》的下载链接~ 

附论文内容截图：

参考链接：

• https://arxiv.org/abs/1905.12683

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！550+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程