这篇教程2019年4篇目标检测算法最佳综述写得很实用，希望能帮到您。
2019年4篇目标检测算法最佳综述
一、前言
已经2019年11月底了，是时候做个总结性盘点，而这次盘点的就是2019年目标检测综述（Object Detection Review）。如果各位 CVer 喜欢这样的盘点，请给这篇文章点个赞，如果点赞的人多，其它CV方向（分割/跟踪等）的大盘点系列也会尽快推出！
本文分享的目标检测论文将同步推送到 github上：https://github.com/amusi/awesome-object-detection
二、 正文
目标检测论文
【1】Object Detection in 20 Years: A Survey
时间：2019年5月
作者：密歇根大学&北航&卡尔顿大学&滴滴出行
链接：https://arxiv.org/abs/1905.05055
推荐指数：★★★★★
注：39页的目标检测综述，共计411篇参考文献，太强了！
【2】A Survey of Deep Learning-based Object Detection
时间：2019年7月
作者：西安电子科技大学
链接：https://arxiv.org/abs/1907.09408
推荐指数：★★★★
注：30页的目标检测综述，从 Fast R-CNN到 NAS-FPN，均给出 COCO数据集上 mAP的数据，介绍10多种数据集，共计317篇参考文献！
【3】Recent Advances in Deep Learning for Object Detection
时间：2019年8月
作者：新加坡管理大学&Salesforce
链接：https://arxiv.org/abs/1908.03673
推荐指数：★★★★
注：40页的目标检测综述，共计256篇参考文献！从2013 OverFeat到2019 NAS-FPN/CenterNet/DetNAS，涵盖目标检测机制、学习策略和应用方向等内容。还给出VOC/COCO数据集下的算法全面对比。
【4】Imbalance Problems in Object Detection: A Review
时间：2019年9月
作者：中东技术大学
链接：https://arxiv.org/abs/1909.00169
推荐指数：★★★★
注：31页的目标检测综述，共计166篇参考文献！分别从特征提取改进、损失函数和抽样方法等方法来介绍。
乳腺x射线筛查深度学习论文及代码
目标检测类论文与综述 |
