独家总结 | 2020基于深度学习的目标检测-Part 6

未来趋势

A. Conclusions

 

B. Trends

1)一方面，两级探测器需要密集的尾迹处理才能获得尽可能多的参考箱，这既费时又低效。为了解决这个问题，研究人员需要在保持高精确度的同时消除这么多冗余。另一方面，单级检测器处理速度快，已在实时应用中得到成功应用。虽然速度快，但较低的精度仍然是高精度要求的瓶颈。如何将单级和两级探测器的优点结合起来仍然是一个很大的挑战。

Review

研究重点是描述和分析基于深度学习的图像目标检测。

现有的调查往往涉及一系列的一般目标检测领域，由于发展迅速，可能不包含最先进的方法，这些方法提供了一些新的解决方案和这些任务的新方向。

列出最近提出的非常新颖的解决方案，但忽略讨论基础，以便读者更容易看到该领域的前沿。

与以往的目标检测调查不同，本文系统、全面地回顾了基于深度学习的目标检测方法，最重要的是研究了最新的检测解决方案和研究趋势。

调查在各个方面进行了深入的分析和讨论，据我们所知，其中许多是这个领域的第一次。

目的是概述不同的深度学习方法是如何被使用的，而不是对所有相关论文进行全面的总结。

 

Related Paper

Recent Advances in Deep Learning  for Object Detection

不同的视角解读。