目标检测（一）——目标检测综述（持续更新中）

文章摘自https://blog.youkuaiyun.com/qq_35451572/article/details/80249259

文章目录

• 1. 什么是目标检测？
• 2. 目标检测要解决的核心问题
• 3. 目标检测学习资源
  • 3.1 目标检测论文、代码整理
  • 3.2 VOC数据集检测排名
  • 3.3各大论文期刊目标检测
• 4. 目标检测最新进展
• 参考

 

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
https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html

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

目标检测（二）——评价指标

目标检测（三）——R-CNN

目标检测（四）——SPP-Net

目标检测（五）——Fast R-CNN

目标检测（六）——Faster R-CNN
　　　　　　　　　Faster RCNN安装以及Demo运行

目标检测（七）——YOLO

目标检测（八）——YOLO v2
　　　　　　　　　YOLO v2 安装训练测试
　　　　　　　　　darkflow安装测试

目标检测（九）——YOLO v3

目标检测（十）——SSD

目标检测（十一）——DSSD

 

参考：

基于深度学习的目标检测算法综述-SigAI

深度学习时代的目标检测算法-炼数成金订阅号

GitHub - hoya012/deep_learning_object_detection: A paper list of object detection using deep learning.