Deep Learning for Generic Object Detection: A Survey

Deep Learning for Generic Object Detection: A Survey

Li Liu, Wanli Ouyang, Xiaogang Wang, Paul Fieguth, Jie Chen, Xinwang Liu, Matti Pietikäinen

(Submitted on 6 Sep 2018)

Generic object detection, aiming at locating object instances from a large number of predefined categories in natural images, is one of the most fundamental and challenging problems in computer vision. Deep learning techniques have emerged in recent years as powerful methods for learning feature representations directly from data, and have led to remarkable breakthroughs in the field of generic object detection. Given this time of rapid evolution, the goal of this paper is to provide a comprehensive survey of the recent achievements in this field brought by deep learning techniques. More than 250 key contributions are included in this survey, covering many aspects of generic object detection research: leading detection frameworks and fundamental subproblems including object feature representation, object proposal generation, context information modeling and training strategies; evaluation issues, specifically benchmark datasets, evaluation metrics, and state of the art performance. We finish by identifying promising directions for future research

一般的なオブジェクト検出は、自然画像の多数の定義済みカテゴリからオブジェクトインスタンスを特定することを目的としており、コンピュータビジョンにおける最も基本的かつ挑戦的な問題の1つです。近年、データから直接的に特徴表現を学習するための強力な方法として、深い学習技術が登場し、ジェネリックオブジェクト検出の分野で顕著なブレークスルーが生じています。この急速な進化の時代を考えると、本稿の目標は、深い学習技術によってもたらされたこの分野の最近の業績を包括的に調査することです。この調査には、一般的なオブジェクト検出研究の多くの側面をカバーする250以上の重要な貢献が含まれています。主な検出フレームワークと、オブジェクトフィーチャの表示、オブジェクト提案の生成、コンテキスト情報モデリングおよびトレーニング戦略; 特にベンチマークデータセット、評価指標、最先端のパフォーマンスなど、さまざまな問題があります。私たちは将来の研究のための有望な方向を特定することで終わります。

piqcy @icoxfog417