Apr, 2021

基于深度学习的现代目标检测模型综述

PDF
TL;DR本文概述了基于深度学习的物体检测器的最新发展，提供了检测中使用的基准数据集和评估指标的简明概述，以及在识别任务中使用的一些主要骨干架构和现代轻量级分类模型，最后我们比较了这些架构在多个度量标准上的性能。
发现论文，激发创造
  • 基于深度学习的目标检测综述

    本调查研究了物体检测领域的主要发展现状以及现有典型检测模型的方法和评估数据集，分别分析了一阶段和二阶段检测器的综合概述，并总结了物体检测的传统和新型应用，最后就利用这些物体检测方法构建高效系统的应用建议和发展趋势进行了探讨。

    Jul, 2019

  • 深度学习在目标检测中的最新进展

    本文综合调查了目前使用深度学习进行视觉对象检测的最新进展，特别关注了三个主要方面：检测组件、学习策略和应用与基准，并讨论了许多影响检测性能的因素。

    Aug, 2019

  • 深度学习中的目标检测综述

    本文回顾了基于深度学习的目标检测框架，从深度学习和卷积神经网络教程开始，介绍了典型的通用和特定目标检测架构以及改进方法和技巧，并提供了实验数据分析，最后提出了未来研究中的几个有前景的方向和任务。

    Jul, 2018

  • 通用物体检测的深度学习：一项调查

    本文综述了深度学习方法在目标检测领域的应用及其取得的进展，涵盖了检测框架、特征表示、目标提议生成、上下文建模、训练策略和评估指标等方面，并指出了未来研究的方向。

    Sep, 2018

  • 不受限环境目标检测技术的综合研究

    本文综合研究了计算机视觉中物体检测技术在无约束环境下的各种挑战、数据集和最新方法，并进行了方法的比较分析，强调了它们的优缺点，并提出了未来的研究方向，以进一步改善在无约束环境下的物体检测技术。

    Apr, 2023

  • 显著性目标检测综述

    本文介绍近期在显著物体检测领域中的一些进展和问题，涵盖了 228 个出版物，讨论了关键概念、任务、核心技术和建模趋势、数据集和评估指标，并探讨了模型性能的数据集偏差和评估指标等方面的开放性问题以及未来的研究方向。

    Nov, 2014

  • 自主车辆中的目标检测：现状与开放挑战

    本文研究计算机视觉中的物体检测任务，分析其在自主驾驶汽车中的应用，并探讨目前物体探测器的现状和面临的挑战。

    Jan, 2022

  • 20 年间的目标检测：综述

    本文全面回顾了过去 25 年中（从 1990 年到 2022 年），以技术演进为光点，涵盖了许多主题，包括历史上的里程碑检测器、检测数据集、指标、检测系统的基本构建块、加速技术和最新的最先进的检测方法，在计算机视觉领域中，物体检测是最基本和具有挑战性的问题之一，最近几年备受关注。

    May, 2019

  • 3D 物体检测模型和方法的调查与系统化

    本文对近十年来 3D 物体检测领域涉及的输入数据、数据表示、特征提取和实际检测模块等全流程进行了全面的调研，系统化分类并给出相应的实用框架。

    Jan, 2022

  • 使用深度神经网络实现可扩展的物体检测

    该研究提出了一种基于显著性启发的神经网络模型，可以有效地在图像中检测出包含任何感兴趣的对象的一组类不可知的边界框，而不需要针对每个实例复制输出，并在 VOC2007 和 ILSVRC2012 上获得了具有竞争力的识别性能。

    Dec, 2013