一文看尽9篇目标检测最新论文(MFPN/CR-NAS/Scale Match/Dense RepPoints等)

2019 年 12 月 26 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


一个月内 Amusi 整理了 目标检测(Object Detection)较为值得关注的论文:

一文看尽10篇目标检测最新论文(SpineNet/AugFPN/LRF-Net/SABL/DSFPN等)

一文看尽16篇目标检测最新论文(ATSS/MnasFPN/SAPD/CSPNet/DIoU Loss等)


恰逢2019年即将结束,本文再次更新近期值得关注的最新检测论文。这次分享的paper将同步推送到 github上,欢迎大家 star/fork(点击阅读原文,也可直接访问):

https://github.com/amusi/awesome-object-detection


注意事项:

  • 本文分享的目标检测论文既含Anchor-free系列新网络,基于NAS的检测新网络,还有多种目标检测数据集

  • 论文发布时间段:2019年12月18日-2019年12月25日


目标检测论文



1】APRICOT:对目标检测模型进行物理对抗攻击的数据集
APRICOT: A Dataset of Physical Adversarial Attacks on Object Detection
时间:20191218
作者团队:MITRE公司
链接:https://arxiv.org/abs/1912.08166
注:作者说APRICOT是世界第一个开源的带物体对抗攻击的目标检测数据集,其实说是开源,但原文并没有附上开源链接,需要数据集的小伙伴还是直接email给原作者吧

你的目标检测网络能受得了这攻击么:




2】零售商品检测的基准:密集目标检测的强大baseline
Benchmark for Generic Product Detection: A strong baseline for Dense Object Detection
时间:20191220
作者团队:ParallelDots深度学习公司
链接:https://arxiv.org/abs/1912.09476
代码&数据集链接:
https://github.com/ParallelDots/generic-sku-detection-benchmark

注: 含6大零售场景下密集商品检测的数据集,如SKU110K、WebMarket等,并提供强大的baseline!




【3】生成正边界框以平衡目标检测器的训练
Generating Positive Bounding Boxes for Balanced Training of Object Detectors
时间:20191222(WACV 2020)
作者团队:中东科技大学
链接:https://arxiv.org/abs/1909.09777
代码: https://github.com/kemaloksuz/BoundingBoxGenerator
注:论文 使用提出的pRoI生成器训练Faster R-CNN,与传统训练相比,针对低IoU可获得更好或同等的性能,而针对Pascal VOC和MS COCO数据集针对较高IoU进行训练时则可获得显著改善。




【4】MFPN: 多种结构的新型混合特征金字塔网络
MFPN: A Novel Mixture Feature Pyramid Network of Multiple Architectures for Object Detection
时间:20191223
作者团队:北京大学&纽约州立大学石溪分校
链接:https://arxiv.org/abs/1912.09748

注:作者 首先研究特征金字塔网络(FPN),并将其简要地分为三种典型方式:自顶向下(top-down),自底向上(bottom-up)和融合分离(fusing-splitting),它们主要用来检测小物体,大物体和中型物体。于是设计了三种不同架构的FPN,并提出了一种新颖的混合特征金字塔网络(MFPN),该网络通过将这三种FPN组装成并行多分支架构并混合这些特征来继承这三种FPN的优点。MFPN可以显著增强one-stage和two-stage基于FPN的检测器,其MS-COCO基准上的平均精度(AP)大约增加2%,而在运行时间延迟方面的牺牲很小。

Our MFPN performs best: detecting objects of small-size, medium-size and large-size with the highest IoU. Green boxes: ground truth, Red boxes: detection result.


四种FPN的性能对比:





【5】带有注意力RPN和多关系检测器的小样本目标检测网络和数据集
Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector
时间:20191224
作者团队:香港科技大学&腾讯
链接:https://arxiv.org/abs/1908.01998v2
代码和数据集:https://github.com/fanq15/Few-Shot-Object-Detection-Dataset

注: 提出适合小样本(Few-shot)目标检测网络,在多个数据集上表现SOTA!并开源第一个含1000个类别的FSOD数据集




Multi-Relation Detector



【6 】Scale Match(SM): 用于"小人"(Tiny Person)检测
Scale Match for Tiny Person Detection
时间:20191224
作者团队:中国科学院大学
链接:https://arxiv.org/abs/1912.10664
代码和数据集:https://github.com/ucas-vg/TinyBenchmark

注: 终于看到小目标检测的研究论文,提出TinyPerson数据集(物体小于20个像素),也提出小目标检测新方法SM,即将开源!

ScaleMatch和TinyPerson的介绍详见:拯救小目标检测!Tiny Person数据集和SM尺度匹配小目标检测新方法

Scale Match



【7 】O^2-DNet: 将旋转目标视为一对中间线
Oriented Objects as pairs of Middle Lines
时间:20191225
作者团队:中科院&国科大
链接:https://arxiv.org/abs/1912.10694

注: 前有将目标视为点,现有将目标视为一对中间线,O^2-DNet是一个单阶段,anchor-free和无NMS的模型,可以应用在场景文本检测和遥感目标检测上。

O^2-DNet




【8】CR-NAS: 用于目标检测的计算重分配
Computation Reallocation for Object Detection
时间:20191225(ICLR 2020)
作者团队:商汤科技&悉尼大学
链接:https://arxiv.org/abs/1912.11234

注:CR-NAS(计算重新分配神经网络架构搜索),它可以在目标检测数据集上直接学习跨不同特征分辨率和空间位置的计算重新分配策略。提出了用于阶段和空间重新分配的两级重新分配空间。采用一种新颖的分层搜索程序来应对复杂的搜索空间。

作者 将CR-NAS应用于多个backbone并实现持续改进。如CR-ResNet50和CR-MobileNetV2分别比基线高出1.9%和1.7%的COCO AP,而没有任何额外的计算代价。CR-NAS搜索的模型可以用于其他强大的检测neck/head,并可以轻松迁移到其他数据集,例如PASCAL VOC和其他视觉任务,例如实例分割。




【9】Dense RepPoints: 表示具有密集点集的视觉对象
Dense RepPoints: Representing Visual Objects with Dense Point Sets
时间:20191225
作者团队:北大&港中文&浙大&上交&多伦多大学&MSRA
链接:https://arxiv.org/abs/1912.11473

注:Dense RepPoints是RepPoints(CVPR2019)的升级版,也是Anchor-Free阵营的,其在COCO test上可达45.8mAP,性能优于CenterNet、CornerNet等网络




为了方便下载,我已经将上述论文打包,在 CVer公众号 后台回复:20191226 即可获得打包链接。


如果各位CVer喜欢这样的"看尽"系列,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"看尽"系列也会尽快推出!


CVer 推荐阅读


  等待YOLOv4的期间,它还在更新

  大盘点 | 2019年4篇目标检测算法最佳综述

  大盘点 | 2019年3篇目标跟踪算法最佳综述

  目标检测三大开源神器:Detectron2/mmDetectron/SimpleDet

  YOLACT++:更强的实时实例分割网络,可达33.5 FPS/34.1mAP!


重磅!CVer-目标检测交流群已成立


扫码可添加CVer助手,可申请加入CVer大群和细分方向群,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

▲长按加群


▲长按关注我们

麻烦给我一个在看!

登录查看更多
1

相关内容

目标检测,也叫目标提取,是一种与计算机视觉和图像处理有关的计算机技术,用于检测数字图像和视频中特定类别的语义对象(例如人,建筑物或汽车)的实例。深入研究的对象检测领域包括面部检测和行人检测。 对象检测在计算机视觉的许多领域都有应用,包括图像检索和视频监视。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
160+阅读 · 2020年4月21日
CVPR2020 | 商汤-港中文等提出PV-RCNN:3D目标检测新网络
专知会员服务
43+阅读 · 2020年4月17日
专知会员服务
53+阅读 · 2020年3月16日
专知会员服务
109+阅读 · 2020年3月12日
专知会员服务
53+阅读 · 2019年12月22日
大盘点 | 性能最强的目标检测算法
极市平台
9+阅读 · 2019年7月8日
目标检测中的Consistent Optimization
极市平台
6+阅读 · 2019年4月23日
CVPR2018 目标检测算法总览(最新的目标检测论文)
极市平台
21+阅读 · 2018年12月21日
Papers With Code:一文看尽深度学习这半年
极市平台
61+阅读 · 2018年12月3日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30日
Arxiv
5+阅读 · 2019年4月8日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
7+阅读 · 2018年1月24日
VIP会员
相关资讯
大盘点 | 性能最强的目标检测算法
极市平台
9+阅读 · 2019年7月8日
目标检测中的Consistent Optimization
极市平台
6+阅读 · 2019年4月23日
CVPR2018 目标检测算法总览(最新的目标检测论文)
极市平台
21+阅读 · 2018年12月21日
Papers With Code:一文看尽深度学习这半年
极市平台
61+阅读 · 2018年12月3日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30日
Top
微信扫码咨询专知VIP会员