会员服务 ·

大盘点 | 性能最强的目标检测算法

2020 年 4 月 28 日 CVer

点击上方“CVer”，选择加"星标"或“置顶”

重磅干货，第一时间送达

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！

论文下载

上述4篇论文已打包好，在CVer公众号后台回复：最强目标检测，即可下载所有论文

重磅！CVer-目标检测 微信交流群已成立

扫码添加CVer助手，可申请加入CVer-目标检测 微信交流群，目前已汇集3800人！涵盖2D/3D目标检测、小目标检测、遥感目标检测等。互相交流，一起进步！

同时也可申请加入CVer大群和细分方向技术群，细分方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。

一定要备注：研究方向+地点+学校/公司+昵称（如目标检测+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群