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

来源：机器学习研究学会订阅号

【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

附论文内容截图：

参考链接：

• https://arxiv.org/abs/1905.12683

高质量延伸阅读

☞ OpenPV平台发布在线的ParallelEye视觉任务挑战赛

☞【学界】第1届“智能车辆中的平行视觉”研讨会成功举行

☞【学界】生成式对抗网络：从生成数据到创造智能

☞【学界】OpenPV：中科院研究人员建立开源的平行视觉研究平台

☞【学界】基于平行视觉的特定场景下行人检测

☞【学界】ParallelEye：面向交通视觉研究构建的大规模虚拟图像集

☞【CFP】Virtual Images for Visual Artificial Intelligence

☞【最详尽的GAN介绍】王飞跃等：生成式对抗网络 GAN 的研究进展与展望

☞【智能自动化学科前沿讲习班第1期】王飞跃教授：生成式对抗网络GAN的研究进展与展望

☞【智能自动化学科前沿讲习班第1期】王坤峰副研究员：GAN与平行视觉

☞【重磅】平行将成为一种常态：从SimGAN获得CVPR 2017最佳论文奖说起

☞【平行讲坛】平行图像：图像生成的一个新型理论框架

☞【学界】基于生成对抗网络的低秩图像生成方法

☞【学界】Ian Goodfellow等人提出对抗重编程，让神经网络执行其他任务

☞【学界】六种GAN评估指标的综合评估实验，迈向定量评估GAN的重要一步

☞【资源】T2T：利用StackGAN和ProGAN从文本生成人脸

☞【学界】 CVPR 2018最佳论文作者亲笔解读：研究视觉任务关联性的Taskonomy

☞【业界】英特尔OpenVINO™工具包为创新智能视觉提供更多可能

☞【学界】ECCV 2018: 对抗深度学习: 鱼 (模型准确性) 与熊掌 (模型鲁棒性) 能否兼得 

☞【学界】何恺明组又出神作！最新论文提出全景分割新方法