【目标检测 | 2019最新综述】基于深度学习的目标检测综述，附30页PDF， A Survey of Deep Learning-based Object Detection（From Fast R-CNN to NAS-FPN）

论文题目： A Survey of Deep Learning-based Object Detection

论文摘要： 目标检测是计算机视觉中最重要和最具挑战性的分支之一，它已广泛应用于人们的生活中，例如监视安全性，自动驾驶等。随着用于检测任务的深度学习网络的迅速发展，对象检测器的性能得到了极大的提高。为了深入地了解目标检测的主要发展状况，在本次调查中，我们首先分析了现有典型检测模型的方法并描述了基准数据集。之后，我们以系统的方式全面概述了各种目标检测方法，涵盖了一级和二级检测器。此外，我们列出了传统和新的应用程序。还分析了对象检测的一些代表性分支。最后，我们讨论了利用这些对象检测方法来构建有效且高效的系统的体系结构，并指出了一组发展趋势，以更好地遵循最新的算法和进一步的研究。

作者介绍： Licheng Jiao 1982年获得中国上海交通大学博士学位，并分别于1984年和1990年获得西安交通大学的博士学位。 1990年至1991年，他是西安电子科技大学雷达信号处理国家重点实验室的博士后研究员。自1992年以来，焦博士一直是中国西安电子科技大学电子工程学院的教授，目前是电子工程学院的院长，也是智能感知与图像理解重点实验室的主任。 西安电子科技大学中国教育部 1992年，焦博士获得了青年科学技术奖。 1996年，他获得了中国教育部跨世纪专家基金的资助。 从1996年起，他被选为“中国第一级人才计划”的成员。2006年，他被霍英东教育基金会授予高中青年教师奖一等奖。 从2006年起，他被选为陕西省特别贡献专家。