论文题目: Object Detection in 20 Years: A Survey

论文简介:
目标检测作为计算机视觉中最基本和最具挑战性的问题之一,近年来受到了极大的关注。它在过去二十年的发展可以看作是计算机视觉历史的缩影。如果我们将当今的物体检测视为在深度学习的力量下的技术美学,那么将时光倒流到20年前,我们将见证冷武器时代的智慧。鉴于目标检测技术的技术发展,本文跨越了四分之一世纪的时间(从1990年代到2019年)广泛地审查了400多篇论文。本文涵盖了许多主题,包括历史上的里程碑检测器,检测数据集,度量,检测系统的基本构建块,加速技术以及最新的检测技术水平。本文还回顾了一些重要的检测应用程序,例如行人检测,面部检测,文本检测等,并对它们的挑战以及近年来的技术改进进行了深入分析。

成为VIP会员查看完整内容
50

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
3D目标检测进展综述
专知会员服务
138+阅读 · 2020年4月24日
密歇根大学《20年目标检测综述》
专知会员服务
81+阅读 · 2019年10月13日
2019最全目标检测指南
计算机视觉life
11+阅读 · 2019年10月22日
继往开来!目标检测二十年技术综述
AI100
15+阅读 · 2019年6月15日
目标检测技术二十年综述
计算机视觉life
15+阅读 · 2019年5月28日
深度学习目标检测算法综述
AI研习社
19+阅读 · 2019年2月1日
理解 YOLO 目标检测
AI研习社
15+阅读 · 2018年11月5日
干货 | 基于深度学习的目标检测算法综述(二)
AI科技评论
16+阅读 · 2018年8月20日
基于深度学习的目标检测算法综述
AI研习社
13+阅读 · 2018年4月25日
深度学习时代的目标检测算法综述
AI前线
7+阅读 · 2017年9月22日
深度学习目标检测模型全面综述:Faster R-CNN、R-FCN和SSD
深度学习世界
10+阅读 · 2017年9月18日
Anomalous Instance Detection in Deep Learning: A Survey
Deep Learning for Deepfakes Creation and Detection
Arxiv
6+阅读 · 2019年9月25日
Object Detection in 20 Years: A Survey
Arxiv
43+阅读 · 2019年5月13日
Arxiv
7+阅读 · 2018年12月5日
Deep Learning for Generic Object Detection: A Survey
Arxiv
11+阅读 · 2018年9月6日
Arxiv
5+阅读 · 2018年5月16日
Arxiv
5+阅读 · 2018年4月17日
VIP会员
相关VIP内容
3D目标检测进展综述
专知会员服务
138+阅读 · 2020年4月24日
密歇根大学《20年目标检测综述》
专知会员服务
81+阅读 · 2019年10月13日
相关资讯
2019最全目标检测指南
计算机视觉life
11+阅读 · 2019年10月22日
继往开来!目标检测二十年技术综述
AI100
15+阅读 · 2019年6月15日
目标检测技术二十年综述
计算机视觉life
15+阅读 · 2019年5月28日
深度学习目标检测算法综述
AI研习社
19+阅读 · 2019年2月1日
理解 YOLO 目标检测
AI研习社
15+阅读 · 2018年11月5日
干货 | 基于深度学习的目标检测算法综述(二)
AI科技评论
16+阅读 · 2018年8月20日
基于深度学习的目标检测算法综述
AI研习社
13+阅读 · 2018年4月25日
深度学习时代的目标检测算法综述
AI前线
7+阅读 · 2017年9月22日
深度学习目标检测模型全面综述:Faster R-CNN、R-FCN和SSD
深度学习世界
10+阅读 · 2017年9月18日
微信扫码咨询专知VIP会员