目标检测（一）——目标检测综述（持续更新中）

文章目录

* 1. 什么是目标检测？
<https://blog.csdn.net/qq_35451572/article/details/80249259#1__1>
* 2. 目标检测要解决的核心问题
<https://blog.csdn.net/qq_35451572/article/details/80249259#2__10>
* 3. 目标检测学习资源
<https://blog.csdn.net/qq_35451572/article/details/80249259#3__17>
* 3.1 目标检测论文、代码整理
<https://blog.csdn.net/qq_35451572/article/details/80249259#31__18>
* 3.2 VOC数据集检测排名
<https://blog.csdn.net/qq_35451572/article/details/80249259#32_VOC_21>
* 3.3各大论文期刊目标检测
<https://blog.csdn.net/qq_35451572/article/details/80249259#33_26>
* 4. 目标检测最新进展
<https://blog.csdn.net/qq_35451572/article/details/80249259#4__74>
* 参考 <https://blog.csdn.net/qq_35451572/article/details/80249259#_93>


<>1. 什么是目标检测？


**目标检测
**的任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小，是机器视觉领域的核心问题之一。由于各类物体有不同的外观，形状，姿态，加上成像时光照，遮挡等因素的干扰，目标检测一直是机器视觉领域最具有挑战性的问题。

计算机视觉中关于图像识别有四大类任务：
分类-Classification：解决“是什么？”的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。
定位-Location：解决“在哪里？”的问题，即定位出这个目标的的位置。
检测-Detection：解决“是什么？在哪里？”的问题，即定位出这个目标的的位置并且知道目标物是什么。
分割-Segmentation
：分为实例的分割（Instance-level）和场景分割（Scene-level），解决“每一个像素属于哪个目标物或场景”的问题。

<>2. 目标检测要解决的核心问题

除了图像分类之外，目标检测要解决的核心问题是：
1.目标可能出现在图像的任何位置。
2.目标有各种不同的大小。
3.目标可能有各种不同的形状。
如果用矩形框来定义目标，则矩形有不同的宽高比。由于目标的宽高比不同，因此采用经典的滑动窗口+图像缩放的方案解决通用目标检测问题的成本太高。

<>3. 目标检测学习资源

<>3.1 目标检测论文、代码整理


下边这个网站是一个整理计算视觉的网站，上边会定期更新最新发表的论文以及相关的代码。而且这个仅仅是目标检测一个分类，感兴趣的同学还可以进去看一下其他方向整理的论文与代码
Object Detection - handong1587：
https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html
<https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html>

<>3.2 VOC数据集检测排名


Leaderboards for the Evaluations on PASCAL VOC Data:
http://host.robots.ox.ac.uk:8080/leaderboard/main_bootstrap.php
<http://host.robots.ox.ac.uk:8080/leaderboard/main_bootstrap.php>
　　上边网址为以VOC数据集为基础进行目标检测、对象分割以及行为检测等各项排名。你可以从总了解到目前比较先进的检测算法。

<>3.3各大论文期刊目标检测

Detector VOC07 (mAP@IoU=0.5) VOC12 (mAP@IoU=0.5) COCO (mAP) Published In
R-CNN 58.5 - - CVPR’14
OverFeat - - - ICLR’14
MultiBox 29.0 - - CVPR’14
SPP-Net 59.2 - - ECCV’14
MR-CNN 78.2 (07+12) 73.9 (07+12) - ICCV’15
AttentionNet - - - ICCV’15
Fast R-CNN 70.0 (07+12) 68.4 (07++12) - ICCV’15
Faster R-CNN 73.2 (07+12) 70.4 (07++12) - NIPS’15
YOLO v1 66.4 (07+12) 57.9 (07++12) - CVPR’16
G-CNN 66.8 66.4 (07+12) - CVPR’16
AZNet 70.4 - 22.3 CVPR’16
ION 80.1 77.9 33.1 CVPR’16
HyperNet 76.3 (07+12) 71.4 (07++12) - CVPR’16
OHEM 78.9 (07+12) 76.3 (07++12) 22.4 CVPR’16
MPN - - 33.2 BMVC’16
SSD 76.8 (07+12) 74.9 (07++12) - ECCV’16
GBDNet 77.2 (07+12) - 27.0 ECCV’16
CPF 76.4 (07+12) 72.6 (07++12) - ECCV’16
MS-CNN - - - ECCV’16
R-FCN 79.5 (07+12) 77.6 (07++12) 29.9 NIPS’16
PVANET - - - NIPSW’16
DeepID-Net 69.0 - - PAMI’16
NoC 71.6 (07+12) 68.8 (07+12) 27.2 TPAMI’16
DSSD 81.5 (07+12) 80.0 (07++12) - Arxiv’17
TDM - - 37.3 CVPR’17
FPN - - 36.2 CVPR’17
YOLO v2 78.6 (07+12) 73.4 (07++12) - CVPR’17
RON 77.6 (07+12) 75.4 (07++12) - CVPR’17
DCN - - - ICCV’17
DeNet 77.1 (07+12) 73.9 (07++12) 33.8 ICCV’17
CoupleNet 82.7 (07+12) 80.4 (07++12) 34.4 ICCV’17
RetinaNet - - 39.1 ICCV’17
Mask R-CNN - - - ICCV’17
DSOD 77.7 (07+12) 76.3 (07++12) - ICCV’17
SMN 70.0 - - ICCV’17
YOLO v3 - - 33.0 Arxiv’18
SIN 76.0 (07+12) 73.1 (07++12) 23.2 CVPR’18
STDN 80.9 (07+12) - - CVPR’18
RefineDet 83.8 (07+12) 83.5 (07++12) 41.8 CVPR’18
MegDet - - - CVPR’18
RFBNet 82.2 (07+12) - - ECCV’18
该表是参考大神的Github，建议大家也可以去看一看-GitHub - hoya012/deep_learning_object_detection: A
paper list of object detection using deep learning.
<https://github.com/hoya012/deep_learning_object_detection#2014>

<>4. 目标检测最新进展


　　 随着深度学习与计算机硬件的迅速发展，目标检测与深度学习的结合，目标检测也得以迅速发展，这一部分将在后续部分进行详细讲述(持续更新中)。
目标检测（一）——目标检测综述 <https://blog.csdn.net/qq_35451572/article/details/80249259>
目标检测（二）——评价指标 <https://blog.csdn.net/qq_35451572/article/details/80272968>
目标检测（三）——R-CNN <https://blog.csdn.net/qq_35451572/article/details/80273088>
目标检测（四）——SPP-Net <https://blog.csdn.net/qq_35451572/article/details/80273222>
目标检测（五）——Fast R-CNN
<https://blog.csdn.net/qq_35451572/article/details/80273337>
目标检测（六）——Faster R-CNN
<https://blog.csdn.net/qq_35451572/article/details/80095628>
　　　　　　　　　Faster RCNN安装以及Demo运行
<https://blog.csdn.net/qq_35451572/article/details/79744445>
目标检测（七）——YOLO <https://blog.csdn.net/qq_35451572/article/details/80285796>
目标检测（八）——YOLO v2 <https://blog.csdn.net/qq_35451572/article/details/80287431>
　　　　　　　　　YOLO v2 安装训练测试
<https://blog.csdn.net/qq_35451572/article/details/78453712>
　　　　　　　　　darkflow安装测试
<https://blog.csdn.net/qq_35451572/article/details/80304593>
目标检测（九）——YOLO v3 <https://blog.csdn.net/qq_35451572/article/details/80304484>
目标检测（十）——SSD <https://blog.csdn.net/qq_35451572/article/details/80320708>
目标检测（十一）——DSSD <https://blog.csdn.net/qq_35451572/article/details/80457552>

<>参考

基于深度学习的目标检测算法综述-SigAI <https://mp.weixin.qq.com/s/hu7fAhE76lHid9DN5I6Y9Q>
深度学习时代的目标检测算法-炼数成金订阅号 <https://mp.weixin.qq.com/s/HDG_e8coEjzRlGID2RhieA?>
GitHub - hoya012/deep_learning_object_detection: A paper list of object
detection using deep learning.
<https://github.com/hoya012/deep_learning_object_detection#2014>

• « 上一篇：C语言中最常用标准库函数
• » 下一篇：你不知道的Java过去和未来发展的6大趋势