目标检测–2000年到2020年大总结【1】概览

0、前言：

目标检测应用范围非常广，例如，行人检测、车辆检测、卫星遥感对地监测、无人驾驶、交通安全等等领域。目前，基于深度学习的目标检测已经取得了很多重要成果，但同时也面临着诸多挑战，例如目标背景的多样性，动态场景的不断变化，对检测系统时效性和稳定性的要求也在逐渐提高。无论是在检测算法方面，还是硬件加速方面，目标检测都存在着许多难点和挑战，等待着我们去进一步突破。

本系列文章，计划较详细的对目标检测算法在时间纵向里进行较为全面的梳理。以源论文为基础尽量较详细准确的总结各算法相比于先前算法的改进策略，及其本身的创新点及不足之处。

此系列笔记不求噱头闻名于世，将以务实求真为主旨，力求科学严谨、但个人水平有限、写作整理过程中难免有错误的地方，请各位批评指出。希望对于目标检测领域的相关学者或工作人员具有一定的参考价值。

1、目标检测20年大事记

首先时间上，我们选择2000年至2020年这个时间段，我们粗略选些代表性事记的时间段来回顾目标检测的发展历程：

1.1 传统纪元

1.2001年，V-J检测器诞生，主要用于人脸的检测；
2.2006年，HOG + SVM的方法出现，主要用于行人的检测；
3.2008年，大神Felzenszwalb研究出了著名的DPM算法，在深度学习方法成熟之前的很长一段时间里，就是这个算法一直在目标检测中发挥作用；

PS：

特意列下，大神Felzenszwalb，不但08年就提出了DPM算法，后续还发表了一系列的cvpr，NIPS。并且还拿下了2010年，PASCAL VOC的“终身成就奖”。

以上算法是属于传统目标检测的算法，基于图像