一文看尽8篇目标检测最新论文(EfficientDet/EdgeNet/ASFF/RoIMix/SCL/EFGRNet等）

前言

有挺长时间没有更新论文速递了，这段时间的论文很多，但比较亮眼的论文并也不多。为了方便大家阅读，我已经将其中的目标检测（Object Detection）论文整理出来。

本文分享的目标检测论文将同步推送到 github上，欢迎大家 star/fork：

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

注意事项：

• 本文分享的目标检测论文既含刷新COCO mAP记录的目标检测论文，也有追求 mAP 和 FPS trade-off的论文
• 论文发布时间段：2019年11月

目标检测论文

【1】SCL: Towards Accurate Domain Adaptive Object Detection via Gradient Detach Based Stacked Complementary Losses

时间：20191108

作者：CMU&印度理工学院

链接：https://arxiv.org/abs/1911.02559

注：SCL域自适应目标检测网络，性能优于MAF(ICCV'19)和Strong-Weak(CVPR'19)

【2】Localization-aware Channel Pruning for Object Detection

时间：20191109

作者：华中科技大学

链接：https://arxiv.org/abs/1911.02237

注：性能优于DCP、ThiNet，可对SSD剪枝70%参数

【3】RoIMix: Proposal-Fusion among Multiple Images for Underwater Object Detection

时间：20191112

作者：北大&鹏城实验室&腾讯

链接：https://arxiv.org/abs/1911.03029

注：水下目标检测，有点东西的

【4】Model Adaption Object Detection System for Robot

时间：20191113

作者：西安交通大学

链接：https://arxiv.org/abs/1911.02718

注：解决机器人靠近物体的移动过程中，对物体保持稳定的检测。检测和速度性能优于YOLOv3！

【5】EdgeNet: Balancing Accuracy and Performance for Edge-based Convolutional Neural Network Object Detectors

时间：20191117

作者：塞浦路斯大学

链接：https://arxiv.org/abs/1911.06091

注：EdgeNet 速度和精度均优于Tiny-YOLO V3和DroNet，功耗仅4W！可在树莓派、CPU上实时运行

【6】Enriched Feature Guided Refinement Network for Object Detection

时间：2019（ICCV 2019）

作者：天津大学&IIAI

http://openaccess.thecvf.com/content_ICCV_2019/papers/Nie_Enriched_Feature_Guided_Refinement_Network_for_Object_Detection_ICCV_2019_paper.pdf

代码：https://github.com/Ranchentx/EFGRNet

注：EFGRNet是基于SSD改进的Single-Stage检测网络，在COCO上可达46ms/39.0mAP(512x512)，现已开源！

【7】EfficientDet: Scalable and Efficient Object Detection

时间：20191122

作者：谷歌大脑(Quoc V. L大佬)

链接：https://arxiv.org/abs/1911.09070

代码：即将开源

注：本文提出BiFPN和EfficientDet，在COCO上高达51.0 mAP！是目前在没有做多尺度测试下最强的目标检测网络！

【8】Learning Spatial Fusion for Single-Shot Object Detection

时间：20191122

作者：北京航空航天大学

链接：https://arxiv.org/abs/1911.09516

代码：https://github.com/ruinmessi/ASFF

注：YOLOv3+ASFF(自适应空间特征融合)组合，性能优于CornerNet和CenterNet等，在COCO上，38.1mAP/60 FPS，43.9mAP/29FPS！