文章來源于極市平臺，作者CV開發者都愛看的

【導讀】本文共匯總了從2020年4月至今的計算機視覺領域綜述性論文，共54篇，涵蓋圖像分割、?圖像識別、人臉識別/檢測、醫學影像、目標檢測、3D方向（自動駕駛/深度估計）、GAN、文本檢測與識別、姿態估計等14個研究方向。文末附所有論文打包下載。

圖像分割

【1】Unsupervised Domain Adaptation in Semantic Segmentation: a Review
標題：語義分割中的無監督自適應研究進展
作者：Marco Toldo, ?Pietro Zanuttigh
鏈接：https://arxiv.org/abs/2005.10876

【2】A survey of loss functions for semantic segmentation
標題：語義分割損失函數綜述
作者：Shruti Jadon
鏈接：https://arxiv.org/abs/2006.14822

【3】A Survey on Instance Segmentation: State of the art
標題：實例分割技術綜述
作者：Abdul Mueed Hafiz, Ghulam Mohiuddin Bhat
鏈接：https://arxiv.org/abs/2007.00047

人臉識別/檢測

【4】Deep Learning Based Single Sample Per Person Face Recognition: A Survey
標題：基于深度學習的單樣本人臉識別研究綜述
作者：Delong Chen, ?Zewen Li
鏈接：https://arxiv.org/abs/2006.11395

【5】A survey of face recognition techniques under occlusion
標題：遮擋下的人臉識別技術綜述
作者：Dan Zeng, ?Luuk Spreeuwers
鏈接：https://arxiv.org/abs/2006.11366

本文介紹了現有的面部識別方法如何解決遮擋問題，并將其分為三類：1）遮擋魯棒特征提取方法；2）遮擋感知的面部識別方法；3）基于遮擋恢復的面部識別方法。共引用193篇文獻。

【6】Biometric Quality: Review and Application to Face Recognition with FaceQnet
標題：生物特征質量：FaceQnet在人臉識別中的應用
作者：Javier Hernandez-Ortega, Laurent Beslay
鏈接：https://arxiv.org/abs/2006.03298

【7】Threat of Adversarial Attacks on Face Recognition: A Comprehensive ?Survey
標題：對抗攻擊對人臉識別的威脅：綜述
作者：Fatemeh Vakhshiteh, ?Ahmad Nickabadi
鏈接：https://arxiv.org/abs/2007.11709

本文對針對人臉識別系統的對抗性攻擊進行了全面研究，詳細闡述了針對這些系統的新對策，并根據不同的標準提出并比較了現有攻防策略的分類法。

【8】Cross-ethnicity Face Anti-spoofing Recognition Challenge: A Review
標題：跨種族人臉反欺騙識別挑戰：綜述
作者：Ajian Liu, Stan Z. Li
鏈接：https://arxiv.org/abs/2004.10998

【9】The Creation and Detection of Deepfakes: A Survey
標題：深度偽裝的產生與檢測：綜述
作者：Yisroel Mirsky, Wenke Lee
鏈接：https://arxiv.org/abs/2004.11138

圖像識別

【10】Visual Relationship Detection using Scene Graphs: A Survey
標題：基于場景圖的視覺關系檢測研究綜述
作者：Aniket Agarwal, Vipul
鏈接：https://arxiv.org/abs/2005.08045

本文對場景圖生成的各種技術，它們表示視覺關系的效率以及如何用于解決各種下游任務的方法進行了詳細的研究，并分析了該領域未來可能發展的各種未來方向。共引用95篇文獻。

【11】Deep learning for scene recognition from visual data: a survey
標題：從視覺數據中進行場景識別的深度學習：綜述
作者：Alina Matei, Estefania Talavera
鏈接：https://arxiv.org/abs/2007.01806

概述了可用于圖像和視頻場景識別的數據集、研究論文、集成技術。

【12】Automatic Target Recognition on Synthetic Aperture Radar Imagery: A ?Survey
標題：合成孔徑雷達圖像目標自動識別綜述
作者：Kechagias-Stamatis
鏈接：https://arxiv.org/abs/2007.02106

軍事應用的自動目標識別（ATR）是增強情報員和自主運行的軍事平臺的核心過程。本文對當前的SAR ATR體系結構進行調查和評估，采用SAR域中最受歡迎的數據集-移動和固定目標獲取與識別（MSTAR）數據集。提出了SAR ATR體系結構的分類法，并比較了標準方法和擴展操作條件下每種方法的優缺點。共引用151篇文獻。

【13】Deep Learning for Change Detection in Remote Sensing Images: ?Comprehensive Review and Meta-Analysis
標題：遙感圖像變化檢測的深度學習：綜合評述和Meta分析
作者：Lazhar Khelifi, ?Max Mignotte
鏈接：https://arxiv.org/abs/2006.05612

3D相關

【14】A Quick Review on Recent Trends in 3D Point Cloud Data Compression Techniques and the Challenges of Direct Processing in 3D Compressed Domain
標題：回顧3D點云數據壓縮技術的最新趨勢和3D壓縮域中的挑戰
作者：Mohammed Javed, Pavan Chakraborty
鏈接：https://arxiv.org/abs/2007.05038

由于以3D點云形式（使用雷達）生成的數據量非常大，因此研究人員正設法發明新的數據壓縮算法來處理。壓縮域處理，即可以直接對壓縮數據進行操作分析而不涉及解壓縮和重新壓縮的算法是新穎的。本文回顧了LiDAR生成3D點云數據壓縮域的最新進展，并重點介紹3D點云數據壓縮域處理的未來挑戰。

【15】Autonomous Driving with Deep Learning: A Survey of State-of-Art Technologies
標題：基于深度學習的自主駕駛：技術現狀綜述
作者：Yu Huang, Yue Chen
鏈接：https://arxiv.org/abs/2006.06091

本文研究了自動駕駛系統的主要領域，如感知，映射和定位，預測，計劃和控制，仿真，V2X和安全性等。并重點分析2D和感知中的3D目標檢測，攝像頭的深度估計，數據，特征和多傳感器融合等。共引用351篇文獻。

【16】Review on 3D Lidar Localization for Autonomous Driving Cars
標題：自動駕駛汽車三維激光雷達定位技術綜述
作者：Mahdi Elhousni, ?Xinming Huang
鏈接：https://arxiv.org/abs/2006.00648

【17】Deep Learning for LiDAR Point Clouds in Autonomous Driving: A Review
標題：自主駕駛中LiDAR點云的深度學習：綜述
作者：Ying Li, Michael A. Chapman
鏈接：https://arxiv.org/abs/2005.09830

本文總結了最近五年的140多項關鍵貢獻，包括里程碑式3D深度架構，在3D語義分割，目標檢測和分類中出色的深度學習應用程序；數據集，評估指標和最新技術水平。共147篇文獻。

【18】Deep Learning for Image and Point Cloud Fusion in Autonomous Driving: A ?Review
標題：自動駕駛中圖像與點云融合的深度學習：綜述
作者：Yaodong Cui, ?Dongpu Cao
鏈接：https://arxiv.org/abs/2004.05224

本文致力于回顧最近利用圖像和點云的基于深度學習的數據融合方法。簡要概述了關于圖像和點云數據處理的深度學習，對相機-LiDAR融合方法、目標檢測，語義分割和跟蹤進行了深入分析比較。

【19】A Survey on Deep Learning Techniques for Stereo-based Depth Estimation
標題：基于立體的深度估計深度學習技術綜述
作者：Hamid Laga, ?Mohammed Bennamoun
鏈接：https://arxiv.org/abs/2006.02535

本文對基于立體的深度估計這一新的且不斷發展的研究領域進行了全面調查，總結了最常用的pipeline，并討論了它們的好處和局限性。共引用157篇文獻。

醫學影像

【20】A scoping review of transfer learning research on medical image analysis using ImageNet
標題：利用ImageNet進行醫學圖像分析的遷移學習研究述評
作者：Mohammad Amin Morid, Guilherme Del Fiol
鏈接：https://arxiv.org/abs/2004.13175

【21】Deep Learning Based Brain Tumor Segmentation: A Survey
標題：基于深度學習的腦腫瘤分割研究綜述
作者：Zhihua Liu, Huiyu Zhou
鏈接：https://arxiv.org/abs/2007.09479

本文對近期基于深度學習的腦腫瘤分割技術進行全面總結。涵蓋了不同方法的優缺點，預處理，數據集和評估指標等。共129篇文獻。

【22】A Survey on Deep Learning for Neuroimaging-based Brain Disorder Analysis
標題：基于神經成像的腦疾病分析深度學習研究綜述
作者：Li Zhang, Daoqiang Zhang
鏈接：https://arxiv.org/abs/2005.04573

【23】A review: Deep learning for medical image segmentation using ?multi-modality fusion
標題：多模態融合用于醫學圖像分割的深度學習綜述
作者：Tongxue Zhou, ?Stéphane Canu
鏈接：https://arxiv.org/abs/2004.10664

【24】Medical Instrument Detection in Ultrasound-Guided Interventions: A Review
標題：超聲引導治療的醫療器械檢測
作者：Hongxu Yang, Peter H. N. de With
鏈接：https://arxiv.org/abs/2007.04807

【25】A Survey on Domain Knowledge Powered Deep Learning for Medical Image Analysis
標題：域知識驅動的醫學圖像深度學習研究綜述
作者：Xiaozheng Xie, Shaojie Tang
鏈接：https://arxiv.org/abs/2004.12150

本文總結了將深度學習模型引入醫學領域知識以完成各種任務（如疾病診斷，病變，器官和異常檢測，病變和器官分割）的最新進展。共引用268篇文獻。

【26】A Review on End-To-End Methods for Brain Tumor Segmentation and Overall Survival Prediction
標題：腦腫瘤的端到端分割和總體生存預測方法綜述
作者：Snehal Rajput, Mehul S Raval
鏈接：https://arxiv.org/abs/2006.01632

目標檢測

【27】Foreground-Background Imbalance Problem in Deep Object Detectors: A Review
標題：深度目標檢測器中前景-背景不平衡問題綜述
作者：Joya Chen, Tong Xu
鏈接：https://arxiv.org/abs/2006.09238

本文研究了不平衡問題解決方案的最新進展。分析了包括一階段和兩階段在內的各種深度檢測器中不平衡問題的特征。將現有解決方案分為兩類：抽樣和非抽樣方案，并在COCO上進行了實驗對比。

GAN/對抗式/生成式

【28】A Survey on Generative Adversarial Networks: Variants, Applications, and ?Training
標題：生成性對抗網絡綜述：變體、應用和培訓
作者：Abdul Jabbar, ?Bourahla Omar
鏈接：https://arxiv.org/abs/2006.05132

【29】Generative Adversarial Networks (GANs): An Overview of Theoretical Model, Evaluation Metrics, and Recent Developments
標題：生成性對抗網絡(GANS)：理論模型，評估度量和最新發展綜述
作者：Pegah Salehi, Maryam Taghizadeh
鏈接：https://arxiv.org/abs/2005.13178

【30】Regularization Methods for Generative Adversarial Networks: An Overview ?of Recent Studies
標題：生成性對抗網絡的正則化方法：近期研究綜述
作者：Minhyeok Lee, ?Junhee Seok
鏈接：https://arxiv.org/abs/2005.09165

【31】Universal Adversarial Perturbations: A Survey
標題：普遍對抗擾動：綜述
作者：Ashutosh Chaubey, Pramod Mehta
備注：20 pages, 17 figures
鏈接：https://arxiv.org/abs/2005.08087

文本檢測與識別

【32】Text Detection and Recognition in the Wild: A Review
標題：野外文本檢測與識別研究綜述
作者：Zobeir Raisi, John Zelek
鏈接：https://arxiv.org/abs/2006.04305

本文不僅對有關場景文本檢測和識別的最新進展進行了回顧，還介紹了用統一工具進行廣泛實驗的結果評估框架，用于評估案例選定方法的預訓練模型。其次，確定用于檢測或識別野外圖像中文本的幾個現有挑戰：平面內旋轉，多方向和多分辨率文本，透視變形，照明反射，部分遮擋，復雜字體和特殊字符。共引用193篇文獻。

【33】Text Recognition in the Wild: A Survey
標題：野外文本識別研究綜述
作者：Xiaoxue Chen, ?Tianwei Wang
鏈接：https://arxiv.org/abs/2005.03492

【34】Survey on Deep Learning-based Kuzushiji Recognition
標題：基于深度學習的Kuzushiji識別研究綜述
作者：Kazuya Ueki, Tomoka Kojima
鏈接：https://arxiv.org/abs/2007.09637

姿態估計

【35】Monocular Human Pose Estimation: A Survey of Deep Learning-based Methods
標題：單目人體姿態估計：基于深度學習的方法綜述
作者：Yucheng Chen, Mingyi He
鏈接：https://arxiv.org/abs/2006.01423

本文回顧了自2014年以來發布的基于深度學習的2D和3D人體姿勢估計方法。概述了挑戰，主要框架，基準數據集，評估指標，性能比較，并討論了未來研究方向。

圖像去噪

【36】Learning from Noisy Labels with Deep Neural Networks: A Survey
標題：基于深度神經網絡的噪聲標簽學習研究綜述
作者：Hwanjun Song, Jae-Gil Lee
鏈接：https://arxiv.org/abs/2007.08199

本文對46種最先進的基于深度神經網絡的噪聲標簽學習訓練方法進行了全面回顧，將這些方法分為7組，系統比較了6種特性，并總結了常用的評估方法。共引用113篇文獻。

視頻相關

【37】Movement Assessment from Skeleton Videos: A Review
標題：基于骨骼視頻的運動評估研究進展
作者：Tal Hakim
鏈接：https://arxiv.org/abs/2007.10737

本文回顧了骨骼視頻自動運動評估的最新解決方案，并根據其目標，功能，運動域和算法方法進行了比較。

【38】A Review on Deep Learning Techniques for Video Prediction
標題：視頻預測深度學習技術綜述
作者：Sergiu Oprea, ?Antonis Argyros
鏈接：https://arxiv.org/abs/2004.05214

本文對視頻序列中預測的深度學習方法進行了綜述：定義視頻預測的基礎知識，背景概念和常用的數據集，同時分析對比了現有視頻預測模型，總結了它們的貢獻、并指出未來研究方向。共引用241篇文獻。

異常檢測

【39】Deep Learning for Anomaly Detection: A Review
標題：異常檢測的深度學習：綜述
作者：Guansong Pang, ?Anton van den Hengel
鏈接：https://arxiv.org/abs/2007.02500

本文綜述了利用全面的檢測方法分類法進行的深度異常檢測的研究，涵蓋了該方法的3個類別和11個細粒度類別的研究進展。綜述目標功能，基本假設，優點和缺點，并進一步討論了未來機會以及挑戰。

【40】A Survey of Single-Scene Video Anomaly Detection
標題：單場景視頻異常檢測綜述
作者：Bharathkumar Ramachandra, ?Ranga Raju Vatsavai
鏈接：https://arxiv.org/abs/2004.05993

神經網絡訓練

【41】Mixing Real and Synthetic Data to Enhance Neural Network Training -- A ?Review of Current Approaches
標題：混合真實數據和合成數據加強神經網絡訓練-當前方法綜述
作者：Viktor Seib, ?Stefan Wirtz
鏈接：https://arxiv.org/abs/2007.08781

深度神經網絡在許多計算機視覺任務中已變得極為重要。本文回顧比較了多種不同技術，以提高訓練效果而無需獲取更多真實標注數據。

【42】Boosting Deep Neural Networks with Geometrical Prior Knowledge: A Survey
標題：用幾何先驗知識增強深度神經網絡：綜述
作者：Matthias Rath, Alexandru Paul Condurache
鏈接：https://arxiv.org/abs/2006.16867

受卷積神經網絡（CNN）在計算機視覺任務中成功的啟發，一個有前景的領域是將關于要解決問題的對稱幾何變換的知識并入其中。這保證了更高的數據效率和更容易解釋的過濾器響應。本文概述了將幾何先驗知識納入DNN的不同方法。并嘗試將這些方法連接到3D目標檢測領域。

視覺常識/其他

【43】Backdoor Attacks and Countermeasures on Deep Learning: A Comprehensive Review
標題：深度學習的后門攻擊及其對策綜述
作者：Yansong Gao, Hyoungshick Kim
鏈接：https://arxiv.org/abs/2007.10760

【44】Survey on Deep Multi-modal Data Analytics: Collaboration, Rivalry and ?Fusion
標題：深度多模態數據分析綜述：協作、競爭和融合
作者：Yang Wang
鏈接：https://arxiv.org/abs/2006.08159

【45】Towards Robust Pattern Recognition: A Review
標題：面向穩健模式識別的研究進展
作者：Xu-Yao Zhang, Ching Y. Suen
鏈接：https://arxiv.org/abs/2006.06976

【46】A survey on deep hashing for image retrieval
標題：用于圖像檢索的深度散列技術綜述
作者：Xiaopeng Zhang
鏈接：https://arxiv.org/abs/2006.05627

【47】Finger Texture Biometric Characteristic: a Survey
標題：手指紋理生物特征研究綜述
作者：Raid R. O. Al-Nima, Jonathon Chambers
鏈接：https://arxiv.org/abs/2006.04193

【48】A Concise Review of Recent Few-shot Meta-learning Methods
標題：元學習方法的簡要評述
作者：Xiaoxu Li, ?Zhanyu Ma
鏈接：https://arxiv.org/abs/2005.10953

【49】A Survey on Unknown Presentation Attack Detection for Fingerprint
標題：指紋未知呈現攻擊檢測研究綜述
作者：Jag Mohan Singh, Raghavendra Ramachandra
鏈接：https://arxiv.org/abs/2005.08337

【50】A Survey on Visual Sentiment Analysis
標題：視覺情感分析綜述
作者：Alessandro Ortis, ?Sebastiano Battiato
鏈接：https://arxiv.org/abs/2004.11639

【51】On the Synergies between Machine Learning and Stereo: a Survey
標題：機器學習與立體視覺的協同作用研究綜述
作者：Matteo Poggi, ?Stefano Mattoccia
鏈接：https://arxiv.org/abs/2004.08566

【52】A Survey on Deep Learning for Localization and Mapping: Towards the Age of Spatial Machine Intelligence
標題：定位與制圖深度學習綜述：邁向空間機器智能時代
作者：Changhao Chen, Andrew Markham
鏈接：https://arxiv.org/abs/2006.12567

【53】Deep Learning for Vision-based Prediction: A Survey
標題：基于視覺預測的深度學習研究綜述
作者：Amir Rasouli
鏈接：https://arxiv.org/abs/2007.00095

【54】A Brief Review of Deep Multi-task Learning and Auxiliary Task Learning
標題：淺談深度多任務學習和輔助任務學習
作者：Partoo Vafaeikia, Farzad Khalvati
鏈接：https://arxiv.org/abs/2007.01126

在作者后臺回復0724綜述，即可獲取上述論文打包下載鏈接。

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯獲取一折本站知識星球優惠券，復制鏈接直接打開：https://t.zsxq.com/yFQV7am本站qq群1003271085。加入微信群請掃碼進群： 與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的【CV】54篇最新CV领域综述论文速递！涵盖14个方向：目标检测/图像分割/医学影像/人脸识别等方向...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。