coco数据集目标检测论文_当前目标检测在coco数据集上准确率最高的模型是哪一个？...

2019.9.12更新：

现在应该是北大的CBNet，这是一个新的backbone，结合Cascade R-CNN，在coco数据集上居然达到难以置信的53.3 mAP！是目前已知的精度最高的目标检测算法，作者已经开源了代码：https://github.com/PKUbahuangliuhe/CBNet。

如果是

1.在coco数据集上经过实验验证

2.有开源代码

3.box AP最高的算法

应该是@陈凯博士的Hybrid Task Cascade for Instance Segmentation，和何凯明男神的Mask-RCNN一样，这篇paper中实现的算法既能目标检测，也可以实例分割。

代码在4月中已经release到mmdetection中，让人吃惊的是， X-101的backbone加了多尺度训练和DCN v2的HTC居然把box AP刷到了惊人的50.7！作者还强调这是没加测试时增强的结果。mmdetection中HTC的结果

另外一个答案里面@Naiyan Wang大佬的TridentNet也是今年上半年检测算法的王者之一，虽然在box AP(48.4)落后HTC两个百分点，但TridentNet用了R-101而非 X-101的backbone，理论上换成 X-101的backbone会有提升。另外二者所用Trick大部分相同而非完全相同，无法保证对比的绝对公平性。值得一提的是，TridentNet的算法思想比较简单，把扩张卷积用到了目标检测，获得了相当不错的效果。

再推个GCNet，代码和结果也release在mmdetection中，box AP最高到47.9。

论文：