本文僅用于學術交流，侵刪

問題：2019年，CV領域，你推薦哪些綜述性的文章？

來源：https://www.zhihu.com/question/355566860

知乎高質量回答

1、作者：Amusi

https://www.zhihu.com/question/355566860/answer/894352980

一直關注CV這一塊，下面分享幾個2019年比較好的CV綜述，方向涵蓋：目標檢測、圖像分割、目標跟蹤和超分辨率等

• 目標檢測

2019 四大目標檢測綜述論文：

Imbalance Problems in Object Detection: A Review

• intro: under review at TPAMI

• arXiv:?https://arxiv.org/abs/1909.00169

Recent Advances in Deep Learning for Object Detection

• intro: From 2013 (OverFeat) to 2019 (DetNAS)

• arXiv:?https://arxiv.org/abs/1908.03673

A Survey of Deep Learning-based Object Detection

• intro：From Fast R-CNN to NAS-FPN

• arXiv：https://arxiv.org/abs/1907.09408

Object Detection in 20 Years: A Survey

• intro：This work has been submitted to the IEEE TPAMI for possible publication

• arXiv：https://arxiv.org/abs/1905.05055

目標檢測更多論文詳見：

https://github.com/amusi/awesome-object-detection

• 圖像分割

Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State-of-Art Applications

• arXiv :?https://arxiv.org/abs/1911.02521

Deep Semantic Segmentation of Natural and Medical Images: A Review

• intro: 從 FCN(2014) 到 Auto-DeepLab(2019)，本綜述共含179篇語義分割和醫(yī)學圖像分割參考文獻

• arXiv:?https://arxiv.org/abs/1910.07655

Understanding Deep Learning Techniques for Image Segmentation

• intro: 本綜述介紹了從2013年到2019年，主流的30多種分割算法（含語義/實例分割），50多種數(shù)據(jù)集，共計224篇參考文獻

• arXiv :?https://arxiv.org/abs/1907.06119

  
  

• 目標跟蹤

A Review of Visual Trackers and Analysis of its Application to Mobile Robot

• intro: 本目標跟蹤綜述共含185篇參考文獻！從傳統(tǒng)方法到最新的深度學習網(wǎng)絡

• arXiv:?https://arxiv.org/abs/1910.09761

Deep Learning in Video Multi-Object Tracking: A Survey

• intro: 38頁目標跟蹤綜述，含30多種主流算法，共計174篇參考文獻

• arXiv:?https://arxiv.org/abs/1907.12740

  
  




• 超分辨率

A Deep Journey into Super-resolution: A survey

• arXiv:?https://arxiv.org/abs/1904.07523

Deep Learning for Image Super-resolution: A Survey

• arXiv:?https://arxiv.org/abs/1902.06068

2、作者：魏秀參

?https://www.zhihu.com/question/355566860/answer/896661195

自薦一篇“Deep Learning for Fine-Grained Image Analysis: A Survey“：

《超全深度學習細粒度圖像分析：項目、綜述、教程一網(wǎng)打盡》

• 鏈接：https://mp.weixin.qq.com/s/2pJt9hlUFhR6mo1ughKkiA

另，除文末提及的幾個具體future directions

• Automatic Fine-Grained Models

• Fine-Grained Few-Shot Learning

• Fine-Grained Hashing

之外。實際上FGIA領域還有非常多新鮮好玩的問題和應用值得探索，如：

• 我們圍繞FGIA提出的一個目前最大的新零售場景商品數(shù)據(jù)集RPC：

  https://zhuanlan.zhihu.com/p/55627416

• 在真實細粒度識別場景中不可避免的長尾分布問題：Long tailed problems

• 存在跨域差異（Domain adaptation）的細粒度圖像識別和檢索

• ……

期待更多CVer在FGIA領域作出有影響力的工作，更多FGIA信息可參見：

http://www.weixiushen.com/tutorials.html

-End-