查看原文
其他

大盘点 | 性能最强的目标检测算法

极市平台 2021-09-19

The following article is from CVer Author Amusi

加入极市专业CV交流群,与6000+来自腾讯,华为,百度,北大,清华,中科院等名企名校视觉开发者互动交流!更有机会与李开复老师等大牛群内互动!

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流点击文末“阅读原文”立刻申请入群~


转载自CVer

已获作者授权,请勿二次转载。

来源:https://mp.weixin.qq.com/s/N7QdQVzm6UuPvPN9niHI6w


前言


趁最近目标检测(Object Detection)方向的论文更新较少,小编赶紧做了个"最强目标检测算法"大盘点。

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


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。其实现在大多数论文要么强调 mAP 很高,要么就是强调 mAP 和 FPS 之间 Trade-off 有多好。


本文就来盘点一下 mAP 最高的目标检测算法,Amusi 将在COCO数据集上 mAP 最高的算法认为是"性能最强"目标检测算法。(COCO数据集是现在最主流的目标检测数据集,这一点看最新的顶会论文就知道了)



时间:2019.07.07

盘点内容:目标检测 mAP 最高的算法


说到目标检测算法,大家脑子里最先蹦出来的算法应该是 Faster R-CNN 和 YOLOv3。这一点在我调研的时候,从大家的反馈明显看得出来。

要知道 Faster R-CNN已经是2015年提出的论文了,而YOLOv3发表出来也已经一年多了。最近目标检测相关的论文,比较典型的有:SNIPER、CornerNet、ExtremeNet、TridentNet、FSAF、FCOS、FoveaBox、两个CenterNet 和 CornerNet-Lite等。


这么多目标检测算法,究竟哪家最强呢?!


性能最强的目标检测算法


这里 Amusi 罗列几个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。



SNIPER: Efficient Multi-Scale Training

mAP:47.6

Date:2018.05.23

arXiv:https://arxiv.org/abs/1805.09300

https://github.com/MahyarNajibi/SNIPER/




TridentNet:Scale-Aware Trident Networks for Object Detection


mAP:48.4

Date:2019.01.07 (已开源)

arXiv:https://arxiv.org/abs/1901.01892

https://github.com/TuSimple/simpledet




HTC + DCN + ResNeXt-101-FPN


mAP:50.7

Date:2019.01.22 (已开源)

arXiv:https://arxiv.org/abs/1901.07518

https://github.com/open-mmlab/mmdetection




NAS-FPN: Learning Scalable Feature Pyramid Architecture for Object Detection

mAP:48.3

Date:2019.04.16 (未开源)

arXiv:https://arxiv.org/abs/1904.07392




CornerNet-Saccade+gt attention


mAP:50.3

Date:2019.04.18 (已开源)

arXiv:https://arxiv.org/abs/1904.08900

https://github.com/princeton-vl/CornerNet-Lite




Cascade R-CNN:High Quality Object Detection and Instance Segmentation


mAP:50.9

Date:2019.06.24 (已开源)

arXiv:https://arxiv.org/abs/1906.09756

Caffe:https://github.com/zhaoweicai/cascade-rcnn

PyTorch:https://github.com/zhaoweicai/Detectron-Cascade-RCNN




Learning Data Augmentation Strategies for Object Detection


mAP:50.7

Date:2019.06.26 (已开源)

arXiv:https://arxiv.org/abs/1906.11172

https://github.com/tensorflow/tpu/tree/master/models/official/detection


综上所述,可知改进后的 Cascade R-CNN 算法目前(2019.07.07)目标检测方向性能最强的算法,其 mAP 为 50.9。


侃侃


这里将 mAP 作为目标检测最强的指标,确实有失偏颇,不够严谨,因为很多人将目标检测应用在不同的任务上,其实要求的性能也有所不同。但请放心,Amusi 后续会统计一波 FPS最快的目标检测算法 和 mAP-FPS Trade-off 最佳的算法。

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




(完)




*延伸阅读



点击左下角阅读原文”,即可申请加入极市目标跟踪、目标检测、工业检测、人脸方向、视觉竞赛等技术交流群,更有每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流,一起来让思想之光照的更远吧~



觉得有用麻烦给个在看啦~  

: . Video Mini Program Like ,轻点两下取消赞 Wow ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存