前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【CV】大盘点 | 性能最强的目标检测算法

【CV】大盘点 | 性能最强的目标检测算法

作者头像
黄博的机器学习圈子
发布2020-05-26 12:05:04
2.1K0
发布2020-05-26 12:05:04
举报
文章被收录于专栏:机器学习初学者精选文章

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

  • 追求涨点的论文,主要强调 AP 刷的有多高;
  • 追求速度的论文,主要强调 AP 和 FPS 之间 Trade-off 有多好(速度一般>30 FPS)。

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

  • 盘点时间:2020.04.28
  • 盘点内容:目标检测 AP 最高的算法
  • 不严格区分单尺度/多尺度训练,只看数据
  • Amusi整理,仅个人观点,欢迎补充

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。

CBNet: A Novel Composite Backbone Network Architecture for Object Detection

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:

53.3 mAP!北大等提出CBNet 目标检测新骨干网络

值得提一下:CBNetv2也快要出来了,性能有多强,敬请期待!

EfficientDet: Scalable and Efficient Object Detection

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

SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization

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

TSD: Revisiting the Sibling Head in Object Detector

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:

  • 基于CBNet改进后的 Cascade Mask R-CNN 算法是目前(2020.04.28)目标检测方向性能最强的算法,其 AP 为 53.3(多尺度测试)
  • EfficientDet算法是目前(2020.04.28)目标检测方向性能最强的算法,其 AP 为 52.2(单尺度测试)
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-05-04,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器学习初学者 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • CBNet: A Novel Composite Backbone Network Architecture for Object Detection
  • EfficientDet: Scalable and Efficient Object Detection
  • SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization
  • TSD: Revisiting the Sibling Head in Object Detector
相关产品与服务
图像识别
腾讯云图像识别基于深度学习等人工智能技术,提供车辆,物体及场景等检测和识别服务, 已上线产品子功能包含车辆识别,商品识别,宠物识别,文件封识别等,更多功能接口敬请期待。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档