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。
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。
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。
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:
值得提一下:CBNetv2也快要出来了,性能有多强,敬请期待!
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
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
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: