第一章 概述 1
1.1 什么是目标检测 1
1.2 2D目标检测简史 1
1.2.1 集成学习架构 2
1.2.2 SVM架构 5
1.2.3 DPM架构 6
1.2.4 Exemplar架构 8
1.2.5 深度学习架构 9
1.2.6 数据库 9
1.3 3D检测简史 12
基于SVM 12
1.4 本书概述 12
第二章 2D图像目标检测 14
2.1 样本合成 21
2.2 难例选择 23
2.3 弱监督学习 25
2.4 多尺度目标 28
2.4.1 双阶段方法Faster RCNN 30
2.4.2 单阶段方法SSD 31
2.4.3 基于GAN 33
2.5 多姿态（视角）问题 35
2.5.1 基于Part 36
2.5.2 基于子类别 36
2.5.3 基于形变的卷积、池化 36
2.5.4 基于GAN 37
2.5.5 基于多任务学习 38
2.5.6 基于3D模型 38
2.5.7 其他 38
2.6 多任务学习 39
2.6.1 联合检测和分割 39
2.6.2 联合检测和对齐 42
2.7 遮挡问题 46
2.7.1 基于part 46
2.7.2 基于霍夫变换 46
2.7.3 基于GAN 47
2.7.4 基于部分数据增强 48
2.8 环境信息 48
2.8.1 外扩框 49
2.8.2 边界信息 51
2.8.3 背景 52
2.8.4 物体间信息 53
2.8.5 层间信息 58
2.8.6 通道间信息 60
2.8.7 Attention 60
2.9 场景变化 61
2.10 新增物体 63
2.11 基于密度估计的方法 64
2.12 3D框检测 64
2.13 视频目标检测 65
2.14 交互 67
2.15 效率提升 67
2.16 密度估计 77
2.16.1 基于检测 77
2.16.2 基于回归 78
2.16.3 相机信息 80
2.16.4 时域信息 81
2.16.5 多尺度 81
2.16.6 Attention 84
2.16.7 基于自编码器 85
2.16.8 通用目标检测 85
2.17 度量方法 88
2.18 非极大抑制 89
2.19 典型应用 89
2.19.1 线的检测 89
2.19.2 车辆检测 89
2.19.3 车道线检测 90
2.19.4 交通标识符检测 91
2.19.5 瑕疵检测 97
2.19.6 行人检测 97
2.19.7 人脸检测 97
2.19.8 文本检测 99
2.19.9 阴影检测 101
2.19.10 无纹理 102
2.19.11 其它检测 102
第三章 3D目标检测 103
3.1 基于双目 105
3.2 投影到鸟的视角 106
3.3 基于2.5 D表达 106
3.4 基于规则3D体素 107
3.5 利用几何（Frustum）信息 107
3.6 基于点云 107
3.7 多任务学习 108
3.7.1 检测与分割 108
3.7.2 检测与定位 108
3.7.3 检测与深度估计 109
第四章 总结与展望 110
4.1 总结 110
4.2 展望 111
参考文献 112