【CV】大盘点 | 性能最强的目标检测算法

最新推荐文章于 2024-07-30 14:11:00 发布

风度78

最新推荐文章于 2024-07-30 14:11:00 发布

阅读量1.8k

点赞数 1

前言

去年7月，Amusi 曾做过一篇整理：大盘点 | 性能最强的目标检测算法，那时收集的情况是：改进后的 Cascade R-CNN 算法是截止(2019.07.07)目标检测方向性能最强的算法，其 mAP 为 50.9。

Amusi 发现2020年，对于目标检测涨点的研究相比于2018、2019年少很多了。个人觉得一方面研究遇到一定瓶颈，另一方面，一片红海的目标检测相对发论文的门槛更高了。

2019年anchor-free系列的目标检测论文层出不穷，其中特别要提到：FCOS和CenterNet。但今年还未看到更加亮眼的论文，这可能要等到CVPR 2020和ECCV 2020论文全部出来才能知道。

抛开参数量、FLOPs等，简单粗暴衡量目标检测最重要的两个性能就是精度和速度，特指 AP 和 FPS。这一点在很多论文中都能看到相关的图示，比如前不久刚出的YOLOv4。

追求涨点的论文，主要强调 AP 刷的有多高；
追求速度的论文，主要强调 AP 和 FPS 之间 Trade-off 有多好（速度一般>30 FPS）。

时隔9个月，Amusi 再来盘点一下 AP 最高的目标检测算法。根据目前学术论文情况，Amusi 将在COCO数据集上 AP 最高的算法认为是"性能最强"目标检测算法。

盘点时间：2020.04.28
盘点内容：目标检测 AP 最高的算法
不严格区分单尺度/多尺度训练，只看数据
Amusi整理，仅个人观点，欢迎补充

性能最强的目标检测算法

这里 Amusi 罗列几个AP很强很强的算法，并以时间线的角度来展示（如果论文开源了，我也会注明的）。

注意：各个网络使用不同backbone，或加不同的tricks，都会有不同的 AP。所以Amusi 只介绍所能查到最强的算法或者最强组合算法。

CBNet: A Novel Composite Backbone Network Architecture for Object Detection

AP：53.3

Date：2019.09.09

论文：https://arxiv.org/abs/1909.03625

代码1：https://github.com/PKUbahuangliuhe/CBNet

代码2：https://github.com/VDIGPKU/CBNet

代码3（基于PaddlePaddle）：

https://github.com/PaddlePaddle/PaddleDetection

论文解读：

53.3 mAP！北大等提出CBNet 目标检测新骨干网络

值得提一下：CBNetv2也快要出来了，性能有多强，敬请期待！

EfficientDet: Scalable and Efficient Object Detection

AP：52.2

Date：2019.11.20

注：已收录于CVPR 2020

论文：https://arxiv.org/abs/1911.09070

代码1（官方，基于TensorFlow）：

https://github.com/google/automl/tree/master/efficientdet

代码2（基于PyTorch）：

https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch

论文解读：

一骑绝尘的EfficientNet和EfficientDet

全网第一SoTA成绩却朴实无华的PyTorch版EfficientDet

SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization

AP：52.1

Date：2019.12.10

注：已收录于CVPR 2020

论文：https://arxiv.org/abs/1912.05027

代码（官方，基于TensorFlow）：

https://github.com/tensorflow/tpu/tree/master/models/official/detection

TSD: Revisiting the Sibling Head in Object Detector

AP：51.2

Date：2020.03.17

注：已收录于CVPR 2020，且是Google OpenImage Challenge 2019 检测赛道的冠军解决方案

论文：https://arxiv.org/abs/2003.07540

代码：暂无

论文解读：51.2 mAP！商汤提出目标检测新网络 TSD | CVPR 2020

综上所述，可知：

基于CBNet改进后的 Cascade Mask R-CNN 算法是目前(2020.04.28)目标检测方向性能最强的算法，其 AP 为 53.3（多尺度测试）

EfficientDet算法是目前(2020.04.28)目标检测方向性能最强的算法，其 AP 为 52.2（单尺度测试）

侃侃

这里将 AP 作为目标检测最强的指标，确实有失偏颇，不够严谨。因为很多人将目标检测应用在不同的任务上，每个任务偏重的性能要求也有所不同，比如模型大小、inference速度、小目标检测等。

Amusi 后续还会统计一波 mAP-FPS Trade-off 最佳算法的大盘点。

如果喜欢这样的盘点，请给这篇文章点个"在看"，如果点击"在看"的人多，其它CV方向的大盘点系列也会尽快推出！

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及深度学习笔记等资料打印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）本站qq群1003271085，加入微信群请回复“加群”获取一折本站知识星球优惠券，复制链接直接打开：https://t.zsxq.com/yFQV7am喜欢文章，点个在看