这是中国图像图形学报出的一版关于2019年深度学习目标跟踪算法的综述，为PDF格式，全文共28页。大家对近几年深度学习目标跟踪算法有兴趣的可以下载

基于深度学习的时间序列算法综述.pdf

基于深度学习的目标视频跟踪算法综述.pdf

特征选择常用算法综述,非常实用，还是蛮全面的

基于深度学习的轮廓检测算法：综述.pdf

雷达辐射源信号聚类分选算法综述.pdf

摘要 色调映射是高动态范围（HDR）成像领域的关键组成部分。它的重要性体现在众多文献中都可以找到大量的色调映射方法，这是该领域二十多年积极发展的结果。尽管这些可以满足显示HDR图像的大多数要求，但随着HDR视频的出现，出现了新的挑战，这在色调映射运算符（TMO）的设计中需要更多的考虑。如今，存在许多支持视频资料的TMO。现在，由于标准显示设备的局限性，我们可以达到大多数摄像机捕获的HDR视频的高质量，而没有可见的瑕疵。 在本报告中，我们着手总结和分类到目前为止的色调映射研究，总结出色调再现管道的最重要趋势和特征。尽管这提供了对该区域的广泛概述，然后我们还是专门关注HDR视频的色调映射以及所面临

深度学习的目标检测算法综述大作业，一个小论文

此PDF为小编对整理的思维导图文件生成的源文件，总结了深度学习以及CNN火热后，目标检测相关算法的总览，其中还包含在19年轮回重生的anchor-free等算法，算是一个算法概述。

目标检测（Object Detection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。从最初 2013 年提出的 R-CNN、OverFeat，到后面的 Fast/Faster R-CNN、SSD、YOLO 系列，再到 2018 年最近的 Pelee。短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从 two stage 到 one stage，从 bottom-up only 到 Top-Down，从 single scale network 到 feature pyramid network，从面向 PC 端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。