計(jì)算機(jī)視覺(jué)前沿發(fā)展：目標(biāo)檢測(cè)專(zhuān)題

第一章 概述
1．1 什么是目標(biāo)檢測(cè)
1．2 2D目標(biāo)檢測(cè)簡(jiǎn)史
1．2．1 集成學(xué)習(xí)架構(gòu)
1．2．2 SVM架構(gòu)
1．2．3 DPM架構(gòu)
1．2．4 Exemplar架構(gòu)
1．2．5 深度學(xué)習(xí)架構(gòu)
1．2．6 數(shù)據(jù)庫(kù)
1．3 3D檢測(cè)簡(jiǎn)史基于SVM
1．4 本書(shū)概述
第二章 2D圖像目標(biāo)檢測(cè)
2．1 樣本合成
2．2 難例選擇
2．3 弱監(jiān)督學(xué)習(xí)
2．4 多尺度目標(biāo)
2．4．1 雙階段方法Faster RCNN
2．4．2 單階段方法SSD
2．4．3 基于GAN
2．5 多姿態(tài)（視角）問(wèn)題
2．5．1 基于Part
2．5．2 基于子類(lèi)別
2．5．3 基于形變的卷積、池化
2．5．4 基于GAN
2．5．5 基于多任務(wù)學(xué)習(xí)
2．5．6 基于3D模型
2．5．7 其他
2．6 多任務(wù)學(xué)習(xí)
2．6．1 聯(lián)合檢測(cè)和分割
2．6．2 聯(lián)合檢測(cè)和對(duì)齊
2．7 遮擋問(wèn)題
2．7．1 基于part
2．7．2 基于霍夫變換
2．7．3 基于GAN
2．7．4 基于部分?jǐn)?shù)據(jù)增強(qiáng)
2．8 環(huán)境信息
2．8．1 外擴(kuò)框
2．8．2 邊界信息
2．8．3 背景
2．8．4 物體間信息
2．8．5 層間信息
2．8．6 通道間信息
2．8．7 Attention
2．9 場(chǎng)景變化
2．10 新增物體
2．11 基于密度估計(jì)的方法
2．12 3D框檢測(cè)
2．13 視頻目標(biāo)檢測(cè)
2．14 交互
2．15 效率提升
2．16 密度估計(jì)
2．16．1 基于檢測(cè)
2．16．2 基于回歸
2．16．3 相機(jī)信息
2．16．4 時(shí)域信息
2．16．5 多尺度
2．16．6 Attention
2．16．7 基于自編碼器
2．16．8 通用目標(biāo)檢測(cè)
2．17 度量方法
2．18 非極大抑制
2．19 典型應(yīng)用
2．19．1 線的檢測(cè)
2．19．2 車(chē)輛檢測(cè)
2．19．3 車(chē)道線檢測(cè)
2．19．4 交通標(biāo)識(shí)符檢測(cè)
2．19．5 瑕疵檢測(cè)
2．19．6 行人檢測(cè)
2．19．7 人臉檢測(cè)
2．19．8 文本檢測(cè)
2．19．9 陰影檢測(cè)
2．19．10 無(wú)紋理
2．19．11 其它檢測(cè)
第三章 3D目標(biāo)檢測(cè)
3．1 基于雙目
3．2 投影到鳥(niǎo)的視角
3．3 基于2．5D表達(dá)
3．4 基于規(guī)則3D體素
3．5 利用幾何（Frustum）信息
3．6 基于點(diǎn)云
3．7 多任務(wù)學(xué)習(xí)
3．7．1 檢測(cè)與分割
3．7．2 檢測(cè)與定位
3．7．3 檢測(cè)與深度估計(jì)
第四章 總結(jié)與展望
4．1 總結(jié)
4．2 展望
參考文獻(xiàn)