一文看尽10篇目标检测最新论文（MetaOD/P-RSDet/MatrixNets等）

前言

恰逢 2020年，本文再次更新近期值得关注的最新检测论文。这次分享的paper将同步推送到 github上，欢迎大家 star/fork（点击阅读原文，也可直接访问）：

https://github.com/amusi/awesome-object-detection

注意事项：

• 既含Anchor-free系列新网络，还有遥感和红外目标检测网络

• 论文发布时间段：2019年12月30日-2020年01月17日

目标检测论文

---

【1】用于AP最大化的目标检测的上下文再评分机制

《Seeing without Looking: Contextual Rescoring of Object Detections for AP Maximization》

时间：20191230

作者团队：卡内基梅隆大学等

链接：https://arxiv.org/abs/1912.12290

注：引入RNN+自注意力机制，提出新的置信度分数预测回归器

---

【2】结合深度学习和验证进行精确的目标实例检测

《Combining Deep Learning and Verification for Precise Object Instance Detection》

时间：20191230

作者团队：卡内基梅隆大学(CMU)

链接：https://arxiv.org/abs/1912.12270

---

【3】MetaOD：目标检测系统的蜕变测试

《Metamorphic Testing for Object Detection Systems》

时间：20191231

作者团队：香港科技大学

链接：https://arxiv.org/abs/1912.12162

注：MetaOD是第一个用于目标检测器的蜕变测试(黑盒测试)系统，可以有效地揭示商用目标检测器的错误检测结果。

---

【4】基于集成式YOLOv3算法的蝴蝶检测与分类

《Butterfly detection and classification based on integrated YOLO algorithm》

时间：20200104

作者团队：北京交通大学

链接：https://arxiv.org/abs/2001.00361

注：本文研究了蝴蝶照片的自动检测与分类识别问题，提出了一种适合蝴蝶分类的生物标记方法。在YOLOv3算法的基础上，通过综合不同训练机制的YOLOv3模型结果，提出了一种基于YOLOv3算法的蝴蝶自动检测与分类识别算法。它大大提高了YOLO算法的泛化能力，使其具有更好的解决小样本问题的能力。

---

【5】CSPNet：可以增强CNN学习能力的新型Backbone

《CSPNet: A New Backbone that can Enhance Learning Capability of CNN》

时间：20191128

作者团队：中央研究院資訊科學研究所&台湾交通大学

链接：https://arxiv.org/abs/1911.11929

代码：https://github.com/WongKinYiu/CrossStagePartialNetworks

注1：本文之前CVer推送过，但那时还没有开源，现在CSPNet已经开源，所以再次分享给大家，值得关注和学习！

注2：很棒的backbone，在检测任务上性能优于YOLOv3-tiny，CSPPeleeNet在Jetson TX2速度高达41FPS！

---

【6】FNA：通过参数重新映射和架构搜索实现快速神经网络自适应

《Fast Neural Network Adaptation via Parameter Remapping and Architecture Search》

时间：20200109

作者团队：华中科技大学&地平线

链接：https://openreview.net/forum?id=rklTmyBKPH

代码：https://github.com/JaminFong/FNA

注1：本文对MobileNetV2进行FNA，以获取用于分割和检测的新网络，FNA的总计算成本明显低于SOTA分割/检测NAS方法：比DPC少1737倍，比Auto-DeepLab小6.8倍，比DetNAS小7.4倍。

---

【7】P-RSDet：基于极坐标的遥感图像Anchor-free目标检测网络

《Objects detection for remote sensing images based on polar coordinates》

时间：20200110

作者团队：中科院&国科大提出

链接：https://arxiv.org/abs/2001.02988

注：P-RSDet性能优于X-LineNet、R-DFPN等网络

---

【8】 MatrixNets：用于目标检测的新尺度和长宽比感知网络结构

《MatrixNets: A New Scale and Aspect Ratio Aware Architecture for Object Detection》

时间：20200113

作者团队：滑铁卢大学&向量学院等

链接：https://arxiv.org/abs/2001.03194

代码：https://github.com/arashwan/matrixnet

注：MatrixNets在COCO上可达47.8 mAP！相对于CornerNet涨点5.6mAP，代码刚刚开源！

---

【9】商汤科技提出：用于类增加目标检测的跨数据集训练

《Cross-dataset Training for Class Increasing Object Detection》

时间：20200115

作者团队：商汤科技

链接：https://arxiv.org/abs/2001.04621

注：通过跨数据集训练，可以利用现有数据集通过单个模型检测合并的目标类。

---

【10】TBC-Net：使用语义约束的红外小目标检测实时检测器

《TBC-Net: A real-time detector for infrared small target detection using semantic constraint》

时间：20200117

作者团队：中科院&国科大

链接：https://arxiv.org/abs/2001.05852

注：性能优于WLCM、NWIE和MPCM等网络，TBC-Net可以在NVIDIA Jetson AGX Xavier开发板上实现实时检测，适用于诸如带有红外传感器的无人机的现场研究等应用。

TBC-Net

为了方便下载，我已经将上述论文打包，在 CVer公众号 后台回复：20200219 即可获得打包链接。

往期精彩回顾




适合初学者入门人工智能的路线及资料下载机器学习在线手册深度学习在线手册AI基础下载（pdf更新到25集）备注：加入本站微信群或者qq群，请回复“加群”获取一折本站知识星球优惠券，请回复“知识星球”喜欢文章，点个在看