从R-CNN到RFBNet,深度目标检测5年纵览，文章+代码让你从入门到精通

【导读】目标检测，是计算机视觉领域中，最基本的，也是最具挑战性的问题之一，它旨在从自然的图像中，识别预定义的类别的物体，并定位它们（给出边界框）。实际上，目标检测并不是一个很新的任务，但是随着近年来的深度学习技术的加持，目标检测领域历久旎新。几天前，Li Liu 等研究人员，向 IJCV 投稿了一篇30页的关于深度目标检测的调研文章，专知小编拜读后，在这里与各位分享。

文章名 | Deep Learning for Generic Object Detection: A Survey

文章地址 | https://arxiv.org/abs/1809.02165

作者 |  Li Liu, Wanli Ouyang, Xiaogang Wang etc.

整理报导 | huaiwen

Deep Learning for Generic Object Detection: A Survey 这篇文章， 调查了250多个目标检测领域的关键贡献，涵盖了目标检测研究的许多方面:

• 最新的检测框架

• 热门的子问题

• 对象特征表示

• proposal 生成

• 上下文信息建模

• 训练策略

• 评估问题

• 基准数据集

• 评估指标

• 当前最好结果

• 以及未来的方向

如下图所示， 从1999年的 SIFT 算子开始，一直就有研究人员，关注目标检测， 我们可以笼统的，将目标检测，分为：非深度学习时代，深度学习时代， 分水岭，是2012年的 AlexNet。

实际上，我们更关注，近期深度学习在目标检测上的成果，韩国的Lee hoseong 同学，将它们整理了一下，于是我们有了下图：

这张图，包含了，从2013年的 R-CNN开始，一直到前两天， 刚在德国开完会的 ECCV2018。Lee hoseong 同学将它们开源在了 github

• Github 地址

https://github.com/hoya012/deep_learning_object_detection

它包含了， 从2014年，到现在，比较典型的目标检测的文章，及其代码。

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），

• 后台回复“ODS” 就可以获取全文30页目标检测 Survey下载链接~ 

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知