目标检测综述 Object Detection in 20 Years: A Survey翻译

摘要

  目标检测作为计算机视觉中最基础、最有挑战的问题之一，近年来受到了广泛的关注。它在过去二十年的发展可以看作是计算机视觉历史的缩影。如果我们把今天的目标检测看作是在深度学习力量下的技术美学，那么回到二十年前，我们将见证冷兵器时代的智慧。本文根据目标检测的发展，对400多篇相关的文章进行综述，时间跨度超过四分之一个世纪（从20世纪90年代到2019年）。本文涵盖了很多主题，包括历史上里程碑检测器、检测数据集、度量标准、检测系统的基本构件、加速技术以及最新的检测方法。本文也综述了行人检测、面部检测、文本检测等一些重要的检测应用，并对面临的挑战和近几年来的技术发展做了深度的分析。
关键词： 目标检测；机器视觉；深度学习；卷积神经网络；技术发展

1. Introduction

  目标检测是一项重要的计算机视觉任务，它处理在数字图像中检测特定类的可视对象(如人类、动物或汽车)的实例。目标检测的任务是开发计算模型和技术用来解决机器视觉应用中所需的最基本消息之一：物体在哪里？
  对象检测是计算机视觉的基本问题之一，是许多其他计算机视觉任务的基础，如实例分割、图像字幕、对象跟踪等。从一个应用的角度来看,目标检测可以分为两个研究主题“一般目标检测”和“检测应用”,前一个旨在探索的方法，在一个统一的框架来模拟人类的视觉和认知，检测不同类型的对象,后者一个指的是特定应用场景下的检测,如行人检测、人脸检测、文本检测等等。近年来，随着深度学习技术的快速发展，为目标检测注入了新的血液，并取得了显著的突破，将其推向了一个前所未有的研究热点。目标检测目前已广泛应用于许多实际应用中，如自主驾驶、机器人视觉、视频监控等。图1显示了在过去两年中与目标检测相关的出版物数量的增长。

与其它综述的区别

近年来发表了许多关于一般对象检测的综述。本文与上述综述的主要区别如下:
1.基于技术演进的全面回顾: 本文综述了超过四分之一个世纪(从20世纪90年代到2019年)的对象检测发展历史中的400多篇论文。以前的大多数综述仅仅关注一个短的历史时期或者一些特定的检测任务，而没有考虑它们整个生命周期内的技术演进。
2.深入探索的关键技术和最新的技术： 经过多年的发展，最先进的对象检测系统已与大量技术集成在一起，例如“多尺度检测”，“硬负挖掘”，“边界框回归”等。然而，以前的综述缺乏基本的分析来帮助读者理解这些复杂技术的本质。例如，“它们来自哪里?它们是如何发展的?”“每一组方法的优缺点是什么?”本文针对上述问题对读者进行了深入的分析。
3.全面分析检测提速技术： 加速目标检测一直是一项关键而又具有挑战性的任务。摘要综述了20多年来，在多个层次上，包括“检测管道”(如级联检测、特征图共享计算)、“检测主干”(如网络压缩、轻量化网络设计)、“数值计算”(如积分图像、矢量量化)等对象检测技术的快速发展。以前的综述很少涉及这个主题。

未完，持续更新中