ECCV 2020 论文大盘点-目标检测篇

本文盘点ECCV 2020 与目标检测相关的研究，包含目标检测新范式、密集目标检测、点云目标检测、少样本目标检测、水下目标检测、域适应目标检测、弱监督目标检测、训练策略等，总计 41 篇，其中 2 篇 Oral，6 篇 Spotlight，开源或者将开源的有26篇。

其中有众多非常值得参考的工作，比如Facebook的DETR，还有两篇基于训练策略无痛涨点的方法。

下载包含这些论文的 ECCV 2020 所有论文：

ECCV 2020 论文合集下载，分类盘点进行中

   目标检测新范式

End-to-End Object Detection with Transformers

作者 | Nicolas Carion, Francisco Massa, Gabriel Synnaeve, Nicolas Usunier, Alexander Kirillov, Sergey Zagoruyko

单位 | Facebook AI

论文 | https://arxiv.org/abs/2005.12872

代码 | https://github.com/facebookresearch/detr (目前已有4.8K星)

解读 | 模型的跨界：我拿Transformer去做目标检测，结果发现效果不错

备注 | ECCV 2020 Oral

GeoGraph: Graph-based multi-view object detection with geometric cues end-to-end

作者 | Ahmed Samy Nassar, Stefano D'Aronco, Sébastien Lefèvre, Jan D. Wegner

单位 | IRISA, Universite Bretagne Sud；苏黎世联邦理工学院

论文 | https://arxiv.org/abs/2003.10151

基于图的检测方法在城市多视角目标检测中的应用，在精度和效率方面都好于之前的方法。

UFO²: A Unified Framework towards Omni-supervised Object Detection

作者 | Zhongzheng Ren , Zhiding Yu, Xiaodong Yang , Ming-Yu Liu,Alexander G. Schwing,  Jan Kautz

单位 | 伊利诺伊大学厄巴纳-香槟分校；英伟达

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123640290.pdf

这篇论文从最大限度利用数据集的标注出发，提出一种既能利用目标检测包围框标注，又能利用弱监督标注的目标检测训练统一框架，在实际应用中能最大限度利用训练样本，感觉这是个很好的想法。

   密集目标检测

BorderDet: Border Feature for Dense Object Detection

作者 | Han Qiu, Yuchen Ma, Zeming Li, Songtao Liu, Jian Sun

单位 | 旷视科技；西安交通大学

论文 | https://arxiv.org/abs/2007.11056

代码 | https://github.com/Megvii-BaseDetection/BorderDet

备注 | ECCV 2020 Oral

该文提出了一种非常简单、高效的操作来提取物体边界极限点的特征，叫做“BorderAlign”。模型只增加很少的时间开销，可以在经典模型上实现FCOS(38.6 v.s. 41.4). FPN(37.1 v.s. 40.7)。

   Anchor-free 目标检测

Corner Proposal Network for Anchor-free, Two-stage Object Detection

作者 | Kaiwen Duan, Lingxi Xie, Honggang Qi, Song Bai, Qingming Huang, Qi Tian

单位 | 国科大；华为；华中科技大学；鹏城实验室

论文 | https://arxiv.org/abs/2007.13816

代码 | https://github.com/Duankaiwen/CPNDet（即将）

备注 | ECCV 2020 Spotlight

   目标检测错误分析工具

TIDE: A General Toolbox for Identifying Object Detection Errors

作者 | Daniel Bolya, Sean Foley, James Hays, Judy Hoffman

单位 | 佐治亚理工学院

论文 | https://arxiv.org/abs/2008.08115

代码 | https://github.com/dbolya/tide

主页 | https://dbolya.github.io/tide/

备注 | ECCV 2020 Spotlight

   多目标检测和跟踪

Chained-Tracker: Chaining Paired Attentive Regression