最近,中國國防科技大學、芬蘭奧盧大學、澳大利亞悉尼大學、中國香港中文大學和加拿大滑鐵盧大學等人推出一篇最新目標檢測綜述,詳細闡述了當前目標檢測最新成就和關鍵技術。文章最後總結了未來8個比較有前景的方向,對學習目標檢測的人員提供了很大的幫助,在此翻譯這篇文章,方便閱讀與理解。
此外,來自首爾國立大學的 Lee hoseong 在近期開源了「deep learning object detection」GitHub 項目,正是參考該論文開發的。該項目集合了從 2013 年 11 月提出的 R-CNN 至在近期舉辦的 ECCV2018 上發表的 RFBNet 等四十多篇關於目標檢測的論文,相當全面。這些論文很多都曾發表在機器學習或人工智能頂會上,如 ICLR、NIPS、CVPR、ICCV、ECCV 等。正如圖中紅色字體標示的那樣,其中也包含了很多代表性的成果,如從 R-CNN 到 Mask R-CNN 的 R-CNN 系列、YOLO 系列、RPN、SSD、FPN 以及 RetinaNet 等。無論對剛入門的機器學習新手,還是想深入研究目標檢測的研究者,都是難得的學習、參考資源。不僅如此,項目作者還給出了相應的完整資源列表,包括論文、官方/非官方實現。