CVPR2018+ECCV2018目标检测算法汇总

 

 

 

特别感谢实验室小雷同学汇总此篇，日后学习目标跟踪可以有个好的方向好的借鉴，哪怕是比赛的时候选模型都可以参考一下。

----------------------------------------------------------

论文对应序号	method	dataset			code
		VOC2007	VOC2012	COCO
1	Cascade R-CNN			42.8(AP)	有
2	Relation Net			39.0(加到别的方法上)	有
3	RefineDet	85.8	86.8	41.8（AP）	有
4	SNIP				有
5	R-FCN-3000	43.3(ImageNet)			无
6	DES	84.3	83.7	32.8	无
7	STDN	80.9		31.8	有
8	W2F	52.4	47.8		无
9	无简写	51.2			无
10	MELM	47.3	42.4		有
11	SSM	62.9			有
12	无简写	82.9		35.6(AP)	有
13	PAD	80.7	79.5		无
14	ZLDN	47.6	42.9		无
15	无简写			39.5	无
16	MegDet			52.5(mmAP)	无
17	drl-RPN	76.4	72.2		有
18	SIN	76.0	73.1	23.2(AP)	有
19	SOD-MTGAN			41.4(AP)	无
20	ML-LocNet	49.7	43.6	16.2(COCO2014)	无
21	DetNet			40.3	有
22	无简写	50.4	69.3		无
23	无简写	25.4	22.9		无
24	无简写	82.4	81.1	34.6(AP)	无
25	RFB-NET	82.2		29.7(COCO2014) 34.4(COCO2015)	有
26	PFP-NET	84.1	83.7	41.8	有
27	TS2C	44.3	40.0		无
28	SAN	82.8		43.4	无
29	无简写		81.2	mmAP:39.3(COCO2017)	无
30	无简写			42.0(AP)	无

附：

(1)论文对应序号中，序号1-18篇收录于CVPR，19-30收录于ECCV。

(2)在经典数据库的检测精度取在论文中实现的最高精度，不考虑base network。

(3)method列仅写出算法简称。

(4)针对COCO数据集的检测结果不可进行统一比较。有的是在COCO2014、COCO2015或者是COCO2017上测试，评价指标稍有不同。

(5)CVPR2019论文未公布。

 

======以下排名仅对论文中有在对应数据集测试的算法进行排序=========

 

VOC2007数据集排名

论文对应序号	method	mAP	排名
3	RefineDet	85.8	1
6	DES	84.3	2
26	PFP-NET	84.1	3
12	无简写	82.9	4
28	SAN	82.8	5
24	无简写	82.4	6
25	RFB-NET	82.2	7
7	STDN	80.9	8
13	PAD	80.7	9
17	drl-RPN	76.4	10
18	SIN	76.0	11
11	SSM	62.9	12
8	W2F	52.4	13
9	无简写	51.2	14
22	无简写	50.4	15
20	ML-LocNet	49.7	16
14	ZLDN	47.6	17
10	MELM	47.3	18
27	TS2C	44.3	19
23	无简写	25.4	20

 

VOC2012数据集排名

论文对应序号	method	mAP	排名
3	RefineDet	86.8	1
6	DES	83.7	2
26	PFP-NET	83.7	2
29	无简写	81.2	3
24	无简写	81.1	4
13	PAD	79.5	5
18	SIN	73.1	6
17	drl-RPN	72.2	7
22	无简写	69.3	8
8	W2F	47.8	9
20	ML-LocNet	43.6	10
14	ZLDN	42.9	11
10	MELM	42.4	12
27	TS2C	40.0	13
23	无简写	22.9	14
22	无简写	50.4	15
20	ML-LocNet	49.7	16
14	ZLDN	47.6	17
10	MELM	47.3	18
27	TS2C	44.3	19
23	无简写	25.4	20

 

COCO数据集排名

论文对应序号	method	mAP	排名
16	MegDet	52.5(mmAP)	1
28	SAN	43.4	2
1	Cascade R-CNN	42.8(AP)	3
30	无简写	42.0(AP)	4
26	PFP-NET	41.8	5
3	RefineDet	41.8（AP）	6
19	SOD-MTGAN	41.4(AP)	7
21	DetNet	40.3	8
15	无简写	39.5	9
29	无简写	mmAP:39.3(COCO2017)	10
2	Relation Net	39.0(加到别的方法上)	11
12	无简写	35.6(AP)	12
24	无简写	34.6(AP)	13
25	RFB-NET	29.7(COCO2014) 34.4(COCO2015)	14
6	DES	32.8	15
7	STDN	31.8	16
18	SIN	23.2(AP)	17
20	ML-LocNet	16.2(COCO2014)	18

1、Cascaded RCNN 

论文	Cascade R-CNN : Delving into High Quality Object Detection
论文链接	https://arxiv.org/abs/1712.00726
代码链接	https://github.com/zhaoweicai/cascade-rcnn

实验结果

 

2、Relation Net

论文	Relation Networks for Object Detection
论文链接	https://arxiv.org/abs/1711.11575
代码链接	https://github.com/msracver/Relation-Networks-for-Object-Detection

 

实验结果

（实验是针对two stage系列的目标检测算法而言，在ROI Pooling后的两个全连接层和NMS模块引入object relation module，如Figure1所示，因此做到了完整的end-to-end训练。）

3、RefineDet

论文	Single-Shot Refinement Neural Network for Object Detection
论文链接	https://arxiv.org/abs/1711.06897
代码链接	https://github.com/sfzhang15/RefineDet

 

实验结果

4、SNIP 

论文	An Analysis of Scale Invariance in Object Detection – SNIP
论文链接	https://arxiv.org/abs/1711.08189
代码链接	http://bit.ly/2yXVg4c（打不开）

 

实验结果

5、R-FCN-3000 

论文	R-FCN-3000 at 30fps: Decoupling Detection and Classification
论文链接	https://arxiv.org/abs/1712.01802
代码链接

ImageNet实验结果

 

 

6、DES 

论文	Single-Shot Object Detection with Enriched Semantics
论文链接	https://arxiv.org/abs/1712.00433
代码链接

 

实验结果

7、STDN 

论文	Scale-Transferrable Object Detection
论文链接	http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhou_Scale-Transferrable_Object_Detection_CVPR_2018_paper.pdf
代码链接	https://github.com/arvention/STDN

 

实验结果

8、W2F

论文	W2F: A Weakly-Supervised to Fully-Supervised Framework for Object Detection
论文链接	http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhang_W2F_A_Weakly-Supervised_CVPR_2018_paper.pd
代码链接

实验结果

9、

论文	Multi-Evidence Filtering and Fusion for Multi-Label Classification, Object Detection and Semantic Segmentation Based on Weakly Supervised Learning
论文链接	http://openaccess.thecvf.com/content_cvpr_2018/papers/Ge_Multi-Evidence_Filtering_and_CVPR_2018_paper.pdf
代码链接

实验结果

 

10、MELM

论文	Min-Entropy Latent Model for Weakly Supervised Object Detection
论文链接	http://openaccess.thecvf.com/content_cvpr_2018/papers/Wan_Min-Entropy_Latent_Model_CVPR_2018_paper.pdf
代码链接	https://github.com/Winfrand/MELM

实验结果

11、SSM

论文	Towards Human-Machine Cooperation: Self-supervised Sample Mining for Object Detection
论文链接	http://openaccess.thecvf.com/content_cvpr_2018/papers/Wang_Towards_Human-Machine_Cooperation_CVPR_2018_paper.pdf
代码链接	https://github.com/yanxp/SSM-Pytorch

实验结果

12、

论文	Feature Selective Networks for Object Detection
论文链接	https://arxiv.org/abs/1711.08879
代码链接	https://github.com/robwec/feature-selective-networks

实验结果

13、PAD

论文	Pseudo Mask Augmented Object Detection
论文链接	http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhao_Pseudo_Mask_Augmented_CVPR_2018_paper.pdf
代码链接

实验结果

 

 

 

14、ZLDN

论文	Zigzag Learning for Weakly Supervised Object Detection
论文链接	http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhang_Zigzag_Learning_for_CVPR_2018_paper.pdf
代码链接

实验结果

 

 

 

15、

论文	Learning Globally Optimized Object Detector via Policy Gradient
论文链接	http://openaccess.thecvf.com/content_cvpr_2018/papers/Rao_Learning_Globally_Optimized_CVPR_2018_paper.pdf
代码链接

实验结果

 

 

16、MegDet

论文	MegDet: A Large Mini-Batch Object Detector
论文链接	http://openaccess.thecvf.com/content_cvpr_2018/papers/Peng_MegDet_A_Large_CVPR_2018_paper.pdf
代码链接

实验结果

The MegDet is the backbone of our submission (mmAP 52.5%) to COCO 2017 Challenge, where we won the 1st place of Detection task.

 

 

17、drl-RPN

论文	Deep Reinforcement Learning of Region Proposal Networks for Object Detection
论文链接	http://openaccess.thecvf.com/content_cvpr_2018/papers/Pirinen_Deep_Reinforcement_Learning_CVPR_2018_paper.pdf
代码链接	https://github.com/aleksispi/drl-rpn-tf

实验结果

 

 

 

18、SIN

论文	Structure Inference Net: Object Detection Using Scene-Level Context and Instance-Level Relationships
论文链接	http://openaccess.thecvf.com/content_cvpr_2018/papers/Liu_Structure_Inference_Net_CVPR_2018_paper.pdf
代码链接	https://github.com/choasup/SIN

实验结果

 

 

 

 

 

以下是ECCV2018论文

19、SOD-MTGAN

论文：SOD-MTGAN: Small Object Detection via Multi-Task Generative Adversarial Network

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Yongqiang_Zhang_SOD-MTGAN_Small_Object_ECCV_2018_paper.pdf

代码链接：

实验结果

 

 

20、ML-LocNet

论文：ML-LocNet: Improving Object Localization with Multi-view Learning Network

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Xiaopeng_Zhang_ML-LocNet_Improving_Object_ECCV_2018_paper.pdf

代码链接：

实验结果

 

 

 

 

 

21、DetNet

论文：DetNet: Design Backbone for Object Detection

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Zeming_Li_DetNet_Design_Backbone_ECCV_2018_paper.pdf

代码链接：https://github.com/guoruoqian/DetNet_pytorch

或者https://github.com/BigDeviltjj/mxnet-detnet

实验结果

 

 

22、

论文：Weakly Supervised Region Proposal Network and Object Detection

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Peng_Tang_Weakly_Supervised_Region_ECCV_2018_paper.pdf

代码链接：

实验结果

 

 

 

 

 

23、

论文：Zero-Annotation Object Detection with Web Knowledge Transfer

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Qingyi_Tao_Zero-Annotation_Object_Detection_ECCV_2018_paper.pdf

代码链接：

实验结果

 

 

 

 

 

 

 

24、

论文：Deep Feature Pyramid Reconfiguration for Object Detection

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Tao_Kong_Deep_Feature_Pyramid_ECCV_2018_paper.pdf

代码链接：

实验结果

 

 

 

 

 

25、RFB-NET

论文：Receptive Field Block Net for Accurate and Fast Object Detection

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Songtao_Liu_Receptive_Field_Block_ECCV_2018_paper.pdf

代码链接：https://github.com/ruinmessi/RFBNet

实验结果

 

 

 

 

26、PFP-NET

论文：Parallel Feature Pyramid Network for Object Detection

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Seung-Wook_Kim_Parallel_Feature_Pyramid_ECCV_2018_paper.pdf

代码链接：

实验结果

 

 

 

27、TS2C

论文：TS2C: Tight Box Mining with Surrounding Segmentation Context for Weakly Supervised Object Detection

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Yunchao_Wei_TS2C_Tight_Box_ECCV_2018_paper.pdf

代码链接：

实验结果

 

 

28、SAN

论文：

SAN: Learning Relationship between Convolutional Features for Multi-Scale Object Detection

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Kim_SAN_Learning_Relationship_ECCV_2018_paper.pdf

代码链接：

实验结果

 

 

29、

论文：Deep Regionlets for Object Detection

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Hongyu_Xu_Deep_Regionlets_for_ECCV_2018_paper.pdf

代码链接：

实验结果

 

 

 

 

30、

论文：Context Refinement for Object Detection

论文链接：

http://openaccess.thecvf.com/content_ECCV_2018/papers/Zhe_Chen_Context_Refinement_for_ECCV_2018_paper.pdf

代码链接：

实验结果

 

 

转载于:https://www.cnblogs.com/zhengyuqian/p/10509763.html