摘要
目標檢測作爲計算機視覺中最基礎、最有挑戰的問題之一，近年來受到了廣泛的關注。它在過去二十年的發展可以看作是計算機視覺歷史的縮影。如果我們把今天的目標檢測看作是在深度學習力量下的技術美學，那麼回到二十年前，我們將見證冷兵器時代的智慧。本文根據目標檢測的發展，對400多篇相關的文章進行綜述，時間跨度超過四分之一個世紀（從20世紀90年代到2019年）。本文涵蓋了很多主題，包括歷史上里程碑檢測器、檢測數據集、度量標準、檢測系統的基本構件、加速技術以及最新的檢測方法。本文也綜述了行人檢測、面部檢測、文本檢測等一些重要的檢測應用，並對面臨的挑戰和近幾年來的技術發展做了深度的分析。
關鍵詞： 目標檢測；機器視覺；深度學習；卷積神經網絡；技術發展
1. Introduction
目標檢測是一項重要的計算機視覺任務，它處理在數字圖像中檢測特定類的可視對象(如人類、動物或汽車)的實例。目標檢測的任務是開發計算模型和技術用來解決機器視覺應用中所需的最基本消息之一：物體在哪裏？
對象檢測是計算機視覺的基本問題之一，是許多其他計算機視覺任務的基礎，如實例分割、圖像字幕、對象跟蹤等。從一個應用的角度來看,目標檢測可以分爲兩個研究主題“一般目標檢測”和“檢測應用”,前一個旨在探索的方法，在一個統一的框架來模擬人類的視覺和認知，檢測不同類型的對象,後者一個指的是特定應用場景下的檢測,如行人檢測、人臉檢測、文本檢測等等。近年來，隨着深度學習技術的快速發展，爲目標檢測注入了新的血液，並取得了顯著的突破，將其推向了一個前所未有的研究熱點。目標檢測目前已廣泛應用於許多實際應用中，如自主駕駛、機器人視覺、視頻監控等。圖1顯示了在過去兩年中與目標檢測相關的出版物數量的增長。
與其它綜述的區別
近年來發表了許多關於一般對象檢測的綜述。本文與上述綜述的主要區別如下:
1.基於技術演進的全面回顧: 本文綜述了超過四分之一個世紀(從20世紀90年代到2019年)的對象檢測發展歷史中的400多篇論文。以前的大多數綜述僅僅關注一個短的歷史時期或者一些特定的檢測任務，而沒有考慮它們整個生命週期內的技術演進。
2.深入探索的關鍵技術和最新的技術： 經過多年的發展，最先進的對象檢測系統已與大量技術集成在一起，例如“多尺度檢測”，“硬負挖掘”，“邊界框迴歸”等。然而，以前的綜述缺乏基本的分析來幫助讀者理解這些複雜技術的本質。例如，“它們來自哪裏?它們是如何發展的?”“每一組方法的優缺點是什麼?”本文針對上述問題對讀者進行了深入的分析。
3.全面分析檢測提速技術： 加速目標檢測一直是一項關鍵而又具有挑戰性的任務。摘要綜述了20多年來，在多個層次上，包括“檢測管道”(如級聯檢測、特徵圖共享計算)、“檢測主幹”(如網絡壓縮、輕量化網絡設計)、“數值計算”(如積分圖像、矢量量化)等對象檢測技術的快速發展。以前的綜述很少涉及這個主題。
未完，持續更新中