近几年目标检测综述（更新中）

近几年目标检测综述（更新中）

(通过公众号，交流群收集一些目标检测网络)
+++++++++++++++++++++++++++++++++++++++++++++++++

1. CBNet -> COCO : 53.3AP

• 名称：《CBNet: A Novel Composite Backbone Network Architecture for Object Detection》(AAAI 2020)
• 论文：(https://arxiv.org/abs/1909.03625)
• 亮点：COCO数据集霸榜模型，新颖的骨干网络(复合式骨干网)

2. DetectoRS -> COCO: 54.7AP

• 名称：《DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution》(3 Jun 2020 arXiv)
• 论文：(https://arxiv.org/abs/2006.02334)
• 亮点：递归特征金字塔网络（Recursive Feature Pyramid ，RFP），可切换空洞卷积（Switchable Atrous Convolution， SAC）

3. 显著性目标检测：从图像中获得最显著的物体

• 论文/代码链接：https://github.com/jiwei0921/SOD-CNNs-based-code-summary-
• 可用于抠图软件、机器人避障、自动驾驶、医学诊断等。

4. BorderDet: Border Feature for Dense Object Detection

• 论文链接：https://arxiv.org/pdf/2007.11056v1.pdf
• 论文代码：https://github.com/Megvii-BaseDetection/BorderDet
• 关键词：物体检测、边界特征
• 针对问题：传统的预定框检测物体的方法，它们往往可能缺乏有用的边界信息，从而不利于进行精准地定位。

5. YOLOF：速度更快，精度堪比YOLOv4/RetinaNet，开源