《计算机视觉前沿发展：目标检测专题》

第一章概述1

1.1 什么是目标检测1

1.22D目标检测简史1

1.2.1 集成学习架构2

1.2.2 SVM架构5

1.2.3 DPM架构6

1.2.4 Exemplar架构8

1.2.5 深度学习架构9

1.2.6 数据库9

1.33D检测简史12

基于SVM12

1.4 本书概述12

第二章2D图像目标检测14

2.1 样本合成21

2.2 难例选择23

2.3 弱监督学习25

2.4多尺度目标28

2.4.1 双阶段方法Faster RCNN30

2.4.2 单阶段方法SSD31

2.4.3 基于GAN33

2.5多姿态（视角）问题35

2.5.1 基于Part36

2.5.2 基于子类别36

2.5.3 基于形变的卷积、池化36

2.5.4 基于GAN37

2.5.5 基于多任务学习38

2.5.6 基于3D模型38

2.5.7 其他38

2.6多任务学习39

2.6.1 联合检测和分割39

2.6.2 联合检测和对齐42

2.7遮挡问题46

2.7.1 基于part46

2.7.2 基于霍夫变换46

2.7.3 基于GAN47

2.7.4 基于部分数据增强48

2.8环境信息48

2.8.1 外扩框49

2.8.2 边界信息51

2.8.3 背景52

2.8.4 物体间信息53

2.8.5 层间信息58

2.8.6 通道间信息60

2.8.7 Attention60

2.9 场景变化61

2.10 新增物体63

2.11 基于密度估计的方法64

2.12 3D框检测64

2.13 视频目标检测65

2.14 交互67

2.15 效率提升67

2.16密度估计77

2.16.1 基于检测77

2.16.2 基于回归78

2.16.3 相机信息80

2.16.4 时域信息81

2.16.5 多尺度81

2.16.6 Attention84

2.16.7 基于自编码器85

2.16.8 通用目标检测85

2.17 度量方法88

2.18 非极大抑制89

2.19典型应用89

2.19.1 线的检测89

2.19.2 车辆检测89

2.19.3 车道线检测90

2.19.4 交通标识符检测91

2.19.5 瑕疵检测97

2.19.6 行人检测97

2.19.7 人脸检测97

2.19.8 文本检测99

2.19.9 阴影检测101

2.19.10 无纹理102

2.19.11 其它检测102

第三章3D目标检测103

3.1 基于双目105

3.2 投影到鸟的视角106

3.3 基于2.5 D表达106

3.4 基于规则3D体素107

3.5 利用几何（Frustum）信息107

3.6 基于点云107

3.7多任务学习108

3.7.1 检测与分割108

3.7.2 检测与定位108

3.7.3 检测与深度估计109

第四章总结与展望110

4.1 总结110

4.2 展望111

参考文献112