什么是目標檢測？
計算機視覺研究中， 目標檢測 是一個比分類更困難的領(lǐng)域，我們將回顧它的歷史和最近的發(fā)展。 在深度學(xué)習(xí)時代之前，像 HOG 和特征金字塔這樣的手工特性被廣泛用于獲取圖像中的定位信號。 然而，這些方法通常不能很好地擴展到通用的目標檢測，所以大多數(shù)的應(yīng)用僅限于 人臉識別 或者行人檢測。
一共搜集了多少篇2d目標檢測論文？
一共搜集了65篇2D目標檢測論文，涉及：通用目標檢測、旋轉(zhuǎn)目標檢測、Few-shot/自監(jiān)督/半監(jiān)督/無監(jiān)督目標檢測等方向。 最新！ CVPR 2021 視覺Transformer論文大盤點（43篇）
傳統(tǒng)目標檢測算法和基于深度學(xué)習(xí)的目標檢測算法有什么區(qū)別？
這些傳統(tǒng)目標檢測方法通常都是需要手工設(shè)計特征提取，而且要求調(diào)試者有熟練的調(diào)試經(jīng)驗，相比于后面出現(xiàn)的基于深度學(xué)習(xí)的目標檢測算法，傳統(tǒng)算法特征提取相對復(fù)雜，且檢測的準確率不如后者。 盡管如此，傳統(tǒng)目標檢測算法中的滑動窗口、困難樣本挖掘和邊界框回歸等思想依然影響了后續(xù)的目標檢測算法 [3:3] 。