该文汇总多项目标检测研究：早期提出“少通道多层”网络，在VOC上达83.8% mAP，计算成本仅为ResNet-101的12.3%；MegDet通过大批量训练将时间从33小时缩至4小时，COCO mmAP达52.5%；PeleeNet结合SSD在iPhone 8上实现23.6 FPS、76.4% mAP；后续还涉及MAML跟踪器、变形卷积、DEYOv3及水下检测等改进。

本文综述了多项基于卷积神经网络的目标检测研究：提出变形卷积网络与约束池化层，结合多阶段训练提升检测精度，在ILSVRC2014上优于RCNN和GoogleNet；HyperNet融合深浅层特征实现端到端检测；HCP应对多标签图像任务；ViP加速CNN推理并降低能耗；贝叶斯优化结合结构化损失改进物体定位。