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：https://github.com/murufeng/awesome-papers/tree/master/Object-detection
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
- 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：https://arxiv.org/abs/1907.09408 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：https://arxiv.org/abs/1908.03673 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：https://arxiv.org/abs/1909.00169 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
