计算机视觉前沿发展：目标检测专题

《计算机视觉前沿发展：目标检测专题》主要介绍基于深度学习的目标检测算法。从实用的角度出发，《计算机视觉前沿发展：目标检测专题》将目标检测问题分为2D目标检测，3D目标检测，以及总结与展望等几章，分别描述算法发展和侧重解决的问题，并对未来的发展趋势做出展望。第二章，在2D目标检测方面，《计算机视觉前沿发展：目标检测专题》介绍了多个学者近期感兴趣的研究方向，包括：1）为了解决深度学习训练样本不足的问题，2D目标样本的合成；2）为了解决训练时样本分布不均的问题，研究者们在难例选择上做出的一些工作；3）利用弱监督学习进行目标检测；4）以及在多尺度目标、多视角、多任务学习、遮挡等方面的问题。第三章，在3D目标检测方面，介绍以下多种方案完成3D目标检测，包括：1）基于双目图像深度估计的伪雷达；2）基于点云投影到鸟的视角；3）基于RGBD图像（2．5D表达）；4）基于规则3D体素；5）基于几何（Frustum）信息，6）基于点云；7）基于多任务学习等等。最后，作者总结当前目标检测算法的发展思路，分析各个流派方法的异同，并提出对未来算法发展的一些见解。