本文转载自公众号CVer，原作者：Amusi，如需授权，请联系原作者。

很多刚刚入门目标检测算法的同学在面对会议和期刊论文时都会出现看不懂的问题，对此，相信不管是导师还是前辈，都会提出相同的解决方案。那就是看综述！大概理清脉络后，再挑着细读论文，撸代码。

正好已经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）。

本文分享的目标检测论文将同步推送到 github上，欢迎大家 star/fork（点击阅读原文，也可直接访问）：

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：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！

目标检测"里程碑"：2001-2019

目标检测多尺度方法：2001 - 2019

目标检测边框回归方法：2001 - 2019

目标检测非极大值抑制(NMS)方法：1994 - 2019

【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：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！

Two-stage和One-stage目标检测基础框架

4种使用不同size feature map的目标检测算法

MS COCO 数据集算法性能对比

【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：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

目标检测"里程碑"：2012-2019

目标检测关键知识点

VOC 数据集算法性能对比

MS COCO 数据集算法性能对比

【4】Imbalance Problems in Object Detection: A Review
时间：2019年9月作者：中东技术大学链接：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。

Imbalance problems

Two-stage、One-stage和Bottom-Up目标检测基础框架

目标检测通用框架训练流程

Feature-level imbalance方法示例
为了方便下载，我已经将上述4篇综述论文打包，在 CVer公众号 后台回复：20191128 即可获得打包链接。PS: 后续更多学习资料免费分享！敬请期待~会议之眼现已推出小程序

会议之眼plus

查计算机会议信息的一站式工具。会议截稿日期、召开信息、会议等级、您想要的信息这里都有！还等什么，快来体验吧~