盘点性能最强的One-stage目标检测算法

前言

要知道衡量目标检测最重要的两个性能就是 精度和速度，特指 mAP 和 FPS。其实现在很多论文要么强调 mAP 很高，要么就是强调 mAP 和 FPS 之间 Trade-off 有多好。

目前的目标检测论文主要分为两大类：One-stage 和 Two-stage（还有部分是 Multi-stage），其中 One-stage 相对于 Two-stage 在性能方面的表现就是 FPS 会高一点，即速度相对要快一点。

本文就来盘点一下 One-stage 最强的目标检测算法，Amusi 将在COCO数据集上 mAP 最高的 One-stage 算法认为是"性能最强" One-stage 目标检测算法。虽然 One-stage 目标检测算法的 mAP 并不是最高的，但因为普遍具有速度优势（个人觉得也就是落地应用价值），所以目前的研究有很多。

注：下一篇盘点应该会介绍 FPS最大（速度最快）的目标检测算法，如果想尽早看到，请给这篇文章点个"在看"，如果点击"在看"的人多，速度最快的目标检测算法大盘点也会尽快推出！

时间：2019.08.07

盘点内容：One-stage 目标检测 mAP 最高的算法

说到 One-stage 目标检测算法，大家脑子里最先蹦出来的算法应该是 YOLO系列和 SSD系列。

这两个 One-stage "王者" 代表算法已经发表有段时间了，SSD 发表于2015.12，而 YOLOv3 发表于 2018.04。

最近 One-stage 目标检测相关的论文，比较典型的有：CornerNet、ExtremeNet、FoveaBox、FSAF、FCOS、FoveaBox、RepPoints、两个 CenterNet 和 CornerNet-Lite等。

这么多目标检测算法，究竟哪家最强呢？！

One-stage 性能最强的目标检测算法

这里 Amusi 罗列几个 One-stage mAP很强很强的算法，并以时间线的角度来展示。

注意：各个网络使用不同backbone，或加不同的tricks，都会有不同的 mAP。所以Amusi 只介绍所能查到最强的算法或者最强组合算法。而且测试 mAP的时候可能会有 single-scale 和 multi-scale 两种情况，这里只讨论 single-scale。

FSAF: Feature Selective Anchor-Free Module for Single-Shot Object Detection

mAP：42.9

FPS：5.3

Date：2019.03.02 （未开源）

arXiv：https://arxiv.org/abs/1903.00621

FCOS: Fully Convolutional One-Stage Object Detection

mAP：43.2

FPS：None

Date：2019.04.02（已开源）

arXiv：https://arxiv.org/abs/1904.01355

https://github.com/tianzhi0549/FCOS

原论文 mAP是 42.1，但开源的代码里又优化为 43.2

CenterNet：Objects as Points

mAP：42.1

FPS：7.8

Date：2019.04.16（已开源）

arXiv：https://arxiv.org/abs/1904.07850

https://github.com/xingyizhou/CenterNet

CenterNet: Keypoint Triplets for Object Detection

mAP：44.9

FPS：3

Date：2019.04.17 （已开源）

arXiv：https://arxiv.org/abs/1904.08189

https://github.com/Duankaiwen/CenterNet

AlignDet：Revisiting Feature Alignment for One-stage Object Detection

mAP：44.1

FPS：5.6

Date：2019.08.06 （未开源）

arXiv：https://arxiv.org/abs/1908.01570

综上所述，Amusi 将 CenterNet 和 AlignDet 两个算法认为是目前(2019.08.07) One-stage 目标检测方向性能最强的算法，其中：

- CenterNet 的 mAP/FPS ：44.9/3

- AlignDet 的 mAP/FPS ：44.1/5.5