目标检测系列论文阅读
该图链接：https://github.com/hoya012/deep_learning_object_detection#2014
里面包含了论文链接及代码。
打算从一篇总结（Deep Learning for Generic Object Detection: A Survey）开始，然后顺着上图依次理顺一下。
Deep Learning for Generic Object Detection: A Survey
主要挑战
-
理想检测器
-
高准确率（定位准确率，识别准确率）
-
组内差异的高鲁棒性
- 每组类别有许多不同情况（不同的颜色、纹理、材质、形状等）
- 目标实例差异（姿势、形变）
- 成像条件和无约束环境（照明、视图点、比例、遮挡、阴影、杂波、模糊、运动、天气状况）
- 图像噪声（成像噪声、滤波失真、压缩噪声）
-
高分辨性
- 组内歧义
- 成千上万的真实目标分类（有结构的和无结构的）
-
-
高效率（时间效率，内存效率，存储效率）
- 现实世界中成千上万的目标种类
- 要求定位和识别目标
- 大量可能的目标位置
- 大规模图像/视频数据
-
若要参考该论文翻译，推荐博客