Глубокое обучение для универсального обнаружения объектов: обзор

Обнаружение объектов, одна из наиболее фундаментальных и сложных задач компьютерного зрения, направлено на локализацию экземпляров объектов среди большого числа заранее заданных категорий на естественных изображениях. Методы глубокого обучения зарекомендовали себя как мощная стратегия для обучения представлений признаков непосредственно из данных и привели к заметным прорывам в области универсального обнаружения объектов. Учитывая период быстрого развития, цель этой статьи — предоставить всесторонний обзор недавних достижений в этой области, вызванных методами глубокого обучения. В обзор включено более 300 исследовательских работ, охватывающих многие аспекты универсального обнаружения объектов: фреймворки детекции, представление признаков объектов, генерация предложений объектов, моделирование контекста, стратегии обучения и метрики оценки. Мы завершаем обзор определением перспективных направлений для будущих исследований.