2019最强目标检测算法"大盘点

原文：https://mp.weixin.qq.com/s?__biz=MzUxNjcxMjQxNg==&mid=2247490221&idx=1&sn=895edd93f87204acf6cf2505e8ad94fc&chksm=f9a26822ced5e134844cf8b0faba4157cdf09c499b4f2f8d0aaba4c07f9f1c565716584b4596&mpshare=1&scene=1&srcid=&key=46cda97148e0f94eba2793fb75f44973fef3ecbb959deed3e36c419e5a5f0ac206db71d5d51500a032c2676b71bdd8220cc144a3a067f2f01f08b3cde1688009fe266ec4b375cf0d09fe87324316aa37&ascene=1&uin=MjIzODAyMTI0MA%3D%3D&devicetype=Windows+10&version=62060833&lang=zh_CN&pass_ticket=ab1jgEY6o41257fI5PhO6O7aeahKT%2B1GAxZAc4kw0EnAbinBiwWoeIuaf5UXKdhL

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 算法是目前(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。

 

调查的论文和链接我会放在：https://github.com/amusi/awesome-object-detection，欢迎各位CVer进行 star 和 fork！（点击"阅读原文"即可访问）