一文看尽10篇目标检测最新论文（MetaOD/P-RSDet/MatrixNets等）

前言

恰逢 2020年，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：

• 既含Anchor-free系列新网络，还有遥感和红外目标检测网络
• 论文发布时间段：2019年12月30日-2020年01月17日

目标检测论文

【1】用于AP最大化的目标检测的上下文再评分机制

《Seeing without Looking: Contextual Rescoring of Object Detections for AP Maximization》

时间：20191230

作者团队：卡内基梅隆大学等

链接：https://arxiv.org/abs/1912.12290

注：引入RNN+自注意力机制，提出新的置信度分数预测回归器

【2】结合深度学习和验证进行精确的目标实例检测

《Combining Deep Learning and Verification for Precise Object Instance Detection》

时间：20191230

作者团队：卡内基梅隆大学(CMU)

链接：https://arxiv.org/abs/1912.12270

【3】MetaOD：目标检测系统的蜕变测试

《Metamorphic Testing for Object Detection Systems》

时间：20191231

作者团队：中国香港科技大学

链接：https://arxiv.org/abs/1912.12162

注：MetaOD是第一个用于目标检测器的蜕变测试(黑盒测试)系统，可以有效地揭示商用目标检测器的错误检测结果。

【4】基于集成式YOLOv3算法的蝴蝶检测与分类

《Butterfly detection and classification based on integrated YOLO algorithm》

时间：20200104

作者团队：北京交通大学

链接：https://arxiv.org/abs/2001.00361

注：本文研究了蝴蝶照片的自动检测与分类识别问题，提出了一种适合蝴蝶分类的生物标记方法。在YOLOv3算法的基础上，通过综合不同训练机制的YOLOv3模型结果，提出了一种基于YOLOv3算法的蝴蝶自动检测与分类识别算法。它大大提高了YOLO算法的泛化能力，使其具有更好的解决小样本问题的能力。

【5】CSPNet：可以增强CNN学习能力的新型Backbone

《CSPNet: A New Backbone that can Enhance Learning Capability of CNN》

时间：20191128

作者团队：中央研究院資訊科學研究所&中国台湾交通大学

链接：https://arxiv.org/abs/1911.11929

代码：https://github.com/WongKinYiu/CrossStagePartialNetworks

注1：本文之前CVer推送过，但那时还没有开源，现在CSPNet已经开源，所以再次分享给大家，值得关注和学习！

注2：很棒的backbone，在检测任务上性能优于YOLOv3-tiny，CSPPeleeNet在Jetson TX2速度高达41FPS！

【6】FNA：通过参数重新映射和架构搜索实现快速神经网络自适应

《Fast Neural Network Adaptation via Parameter Remapping and Architecture Search》

时间：20200109

作者团队：华中科技大学&地平线

链接：https://openreview.net/forum?id=rklTmyBKPH

代码：https://github.com/JaminFong/FNA

注1：本文对MobileNetV2进行FNA，以获取用于分割和检测的新网络，FNA的总计算成本明显低于SOTA分割/检测NAS方法：比DPC少1737倍，比Auto-DeepLab小6.8倍，比DetNAS小7.4倍。

【7】P-RSDet：基于极坐标的遥感图像Anchor-free目标检测网络

《Objects detection for remote sensing images based on polar coordinates》

时间：20200110

作者团队：中科院&国科大提出

链接：https://arxiv.org/abs/2001.02988

注：P-RSDet性能优于X-LineNet、R-DFPN等网络

【8】 MatrixNets：用于目标检测的新尺度和长宽比感知网络结构

《MatrixNets: A New Scale and Aspect Ratio Aware Architecture for Object Detection》

时间：20200113

作者团队：滑铁卢大学&向量学院等

链接：https://arxiv.org/abs/2001.03194

代码：https://github.com/arashwan/matrixnet

注：MatrixNets在COCO上可达47.8 mAP！相对于CornerNet涨点5.6mAP，代码刚刚开源！

【9】商汤科技提出：用于类增加目标检测的跨数据集训练

《Cross-dataset Training for Class Increasing Object Detection》

时间：20200115

作者团队：商汤科技

链接：https://arxiv.org/abs/2001.04621

注：通过跨数据集训练，可以利用现有数据集通过单个模型检测合并的目标类。

【10】TBC-Net：使用语义约束的红外小目标检测实时检测器

《TBC-Net: A real-time detector for infrared small target detection using semantic constraint》

时间：20200117

作者团队：中科院&国科大

链接：https://arxiv.org/abs/2001.05852

注：性能优于WLCM、NWIE和MPCM等网络，TBC-Net可以在NVIDIA Jetson AGX Xavier开发板上实现实时检测，适用于诸如带有红外传感器的无人机的现场研究等应用。

TBC-Net

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：20200219 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！