Object Detection in 20 Years: A Survey
文章链接：https://arxiv.org/abs/1905.05055
一.概述
本综述的主要内容：
1.A comprehensive review in the light of technical evolutions
2.An in-depth exploration of the key technologies and the recent state of the arts
对目标检测中的一些关键技术进行介绍：”multi-scale detection”，“hard negative mining”，“bounding box regression”
3.A comprehensive analysis of detection speed up techniques
-
detection pipeline, e.g., cascaded detection, feature map shared computation
-
detection backbone, e.g., network compression, lightweight network design
-
numerical computation, e.g., integral image, vector quantization
4.Difficulties and Challenges in Object Detection
不同的任务具有不同的目标与约束，它们共同的挑战包括不同的视角与光照，类内差异，物体的旋转和尺度变化（小目标与大目标），物体的准确定位，聚集和遮挡的物体，检测速度等。
二.代表性方法
1.传统方法
- Viola Jones Detectors
滑动窗口，积分图+特征选择（Adaboost选择最有用的特征）+级联检测
-
HOG Detector
-
Deformable Part-based Model
mixture models, hard negative mining, bounding box regression等
2.CNN based Two-stage Detector
- R-CNN
Selective Search 寻找目标候选框，CNN（尝试了Alexnet与VGG16）提取特征，SVM分类，Bounding Box Regression修正候选框
- SPP-Net
空间金字塔池化：输入不同大小的特征图得到相同大小的输出特征
对于语义分割问题，可以考虑ASPP
- Fast R-CNN
ROI Pooling，多任务损失函数
网络结构图
- Faster R-CNN
anchor与RPN
- FPN
深层的特征有利于分类，但未必有利于物体定位。
- Mask-RCNN
RoiAlign
3.CNN based One-stage Detector
- YOLO
- SSD
相比YOLO的优势
(1)不同尺度的特征图，大尺度特征图用于检测小目标，小尺度特征图用于检测大目标
(2)加入anchors实现multibox
- RetinaNet
focal loss： \(FL(p_t)=\alpha _t(1-p_t)^\gamma log(p_t)\)
三.关键技术
1.Technical Evolution
-
Traditional Methods
-
Multi-Scale Detection
-
Bounding Box Regression
作为后处理（eg, DPM)，融入网络当中（eg, Faster R-CNN）
- Context Priming
局部上下文（eg, 增加感受野），全局上下文（eg, 大感受野，pooling），context interactive（eg, 物体间的约束，物体与环境的约束）
-
Non-Maximum Suppression
-
Hard Negative Mining
2.Speed-up of Detection
- Feature Map Shared Computation
特征图共享，尺度金字塔
- Speed up of Classifiers
- Cascaded Detection
从粗到细的检测，如在大场景中检测小目标
- Network Pruning and Quantifification
网络剪枝（除去不重要的权重），网络量化（eg, 网络二值化），网络蒸馏（教师网络指导学生网络（轻量级））
- Lightweight Network Design
Bottle-neck Design
Neural Architecture Search
- Numerical Acceleration
3.Recent Advances
-
Backbone Network
-
Better Feature to keep invariance and equivariance
（1）feature fusion
（2）learning high-resolution features with large receptive fields
- Beyond Sliding Window
新的检测思路：Detection as sub-region search（迭代地搜索），Detection as key points localization
- Improvements of Localization
Bounding Box Refinement（eg, Cascade R-CNN，迭代地进行边框精细化），Improving Loss Functions for Accurate Localization
- Learning with Segmentation
一种是分割网络作为特征提取器，许多额外地计算量；一种是训练时在Backbone后面加branch，测试时去掉。
- Others
Robust Detection of Rotation and Scale Changes，Training from Scratch，Adversarial Training，Weakly Supervised Object Detection
4.Future Directions of Object Detection
Lightweight, AutoML, domain adaptation, weakly supervised, small object, video, information fusion.
Reference:
1.https://zhuanlan.zhihu.com/p/192362333
2.Faster R-CNN：https://zhuanlan.zhihu.com/p/31426458
3.YOLO：https://zhuanlan.zhihu.com/p/32525231
4.SSD：https://zhuanlan.zhihu.com/p/33544892
