目标检测综述

1. 问题定义

目标检测是在图片中对 可变数量 的目标进行查找和分类。

• 目标种类与数量问题
• 目标尺度问题
• 外在环境干扰问题

2. 对比

目标检测 vs 图像分类

目标检测 vs 目标分割

3. 目标检测方法

传统目标检测方法到深度学习目标检测方法的变迁

3.1 传统目标检测方法

分类：

• Viola-Jones
• HOG + SVM
• DPM (巅峰)

传统目标检测方法缺点：

• 特征难以设计
• 特征不鲁棒，效率存在瓶颈
• 滑动窗口提取策略非常繁琐

算法基本流程：

3.2 深度学习目标检测方法

分类：

• One-stage (YOLO/SSD系列)
• Two-stage (Faster RCNN系列)

3.3 传统 vs 深度学习 目标检测方法

传统：

• 手动设计特征
• 滑动窗口
• 传统分类器
• 多步骤
• 准确度和实时性差

深度学习：

• 深度网络学习特征
• Proposal或者直接回归
• 深度网络
• 端到端
• 准确度高和实时性好

4. 应用场景

5. 参考文献

• [1]. a-year-in-computer-vision
• [2]. Zou Z, Shi Z, Guo Y, et al. Object Detection in 20 Years: A Survey[J]. arXiv preprint arXiv:1905.05055, 2019.
• [3]. Liu L, Ouyang W, Wang X, et al. Deep learning for generic object detection: A survey[J]. arXiv preprint arXiv:1809.02165, 2018.