前言

2019.07.07，CVer 曾推出一篇：大盤點 | 性能最強的目標檢測算法，大家對此反映很好，還有很多同學私信要盤點 FPS 最快的目標檢測算法。

要知道衡量目標檢測最重要的兩個性能就是?精度和速度，特指 mAP 和 FPS。其實現在很多論文要么強調 mAP 很高，要么就是強調 mAP 和 FPS 之間 Trade-off 有多好。

目前的目標檢測論文主要分為兩大類：One-stage 和 Two-stage（還有部分是 Multi-stage），其中 One-stage 相對于 Two-stage 在性能方面的表現就是 FPS 會高一點，即速度相對要快一點。這個特點在這篇文章：大盤點 | 性能最強的目標檢測算法 就已經體現了，里面大多論文并不會介紹速度的對比實驗。

本文就來盤點一下 One-stage?最強的目標檢測算法，Amusi 將在COCO數據集上 mAP 最高的 One-stage 算法認為是"性能最強" One-stage 目標檢測算法。雖然 One-stage 目標檢測算法的 mAP 并不是最高的，但因為普遍具有速度優勢（個人覺得也就是落地應用價值），所以目前的研究有很多。

注：下一篇盤點應該會介紹 FPS最大（速度最快）的目標檢測算法，如果想盡早看到，請給這篇文章點個"在看"，如果點擊"在看"的人多，速度最快的目標檢測算法大盤點也會盡快推出！

時間：2019.08.07

盤點內容：One-stage 目標檢測 mAP 最高的算法

說到 One-stage 目標檢測算法，大家腦子里最先蹦出來的算法應該是 YOLO系列和 SSD系列。

這兩個 One-stage? "王者" 代表算法已經發表有段時間了，SSD 發表于2015.12，而?YOLOv3 發表于 2018.04。

最近 One-stage 目標檢測相關的論文，比較典型的有：CornerNet、ExtremeNet、FoveaBox、FSAF、FCOS、FoveaBox、RepPoints、兩個 CenterNet 和 CornerNet-Lite等。

這么多目標檢測算法，究竟哪家最強呢？！

One-stage 性能最強的目標檢測算法

這里 Amusi 羅列幾個 One-stage mAP很強很強的算法，并以時間線的角度來展示。

注意：各個網絡使用不同backbone，或加不同的tricks，都會有不同的 mAP。所以Amusi 只介紹所能查到最強的算法或者最強組合算法。而且測試 mAP的時候可能會有 single-scale 和 multi-scale 兩種情況，這里只討論?single-scale。

FSAF: Feature Selective Anchor-Free Module for Single-Shot Object Detection

mAP：42.9

FPS：5.3

Date：2019.03.02?（未開源）

arXiv：https://arxiv.org/abs/1903.00621

FCOS: Fully Convolutional One-Stage Object Detection

mAP：43.2

FPS：None

Date：2019.04.02（已開源）

arXiv：https://arxiv.org/abs/1904.01355

https://github.com/tianzhi0549/FCOS

原論文 mAP是 42.1，但開源的代碼里又優化為 43.2

CenterNet：Objects as Points

mAP：42.1

FPS：7.8

Date：2019.04.16（已開源）

arXiv：https://arxiv.org/abs/1904.07850

https://github.com/xingyizhou/CenterNet

CenterNet: Keypoint Triplets for Object Detection

mAP：44.9

FPS：3

Date：2019.04.17?（已開源）

arXiv：https://arxiv.org/abs/1904.08189

https://github.com/Duankaiwen/CenterNet

AlignDet：Revisiting Feature Alignment for One-stage Object Detection

mAP：44.1

FPS：5.6

Date：2019.08.06?（未開源）

arXiv：https://arxiv.org/abs/1908.01570

綜上所述，Amusi 將?CenterNet?和?AlignDet 兩個算法認為是目前(2019.08.07) One-stage 目標檢測方向性能最強的算法，其中：

- CenterNet 的 mAP/FPS ：44.9/3

- AlignDet? ?的?mAP/FPS ??：44.1/5.5

侃侃

這里將 mAP 作為 One-stage 目標檢測最強的指標，確實有失偏頗，不夠嚴謹，因為很多人將目標檢測應用在不同的任務上，其實要求的性能也有所不同。但請放心，Amusi 后續會統計一波?FPS最快的目標檢測算法 和 mAP-FPS Trade-off 最佳的算法。

調查的論文和鏈接我會放在：https://github.com/amusi/awesome-object-detection，歡迎各位CVer進行 star 和 fork！

作者CVer-的公眾號

▲長按關注我們

機器學習初學者

黃海廣博士創建的公眾號，黃海廣博士個人知乎粉絲21000+，github排名全球前120名（30000+）。本公眾號致力于人工智能方向的科普性文章，為初學者提供學習路線和基礎資料。原創作品有：吳恩達機器學習個人筆記、吳恩達深度學習筆記等。

往期精彩回顧

• 那些年做的學術公益-你不是一個人在戰斗

• 良心推薦：機器學習入門資料匯總及學習建議
  

• 吳恩達機器學習課程筆記及資源（github標星12000+，提供百度云鏡像）

• 吳恩達深度學習筆記及視頻等資源（github標星8500+，提供百度云鏡像）

• 《統計學習方法》的python代碼實現（github標星7200+）
  

• 精心整理和翻譯的機器學習的相關數學資料

• 首發：深度學習入門寶典-《python深度學習》原文代碼中文注釋版及電子書

• 圖解word2vec(原文翻譯)
  

備注：加入本站微信群或者qq群，請回復“加群”

加入知識星球（4100+用戶，ID：92416895），請回復“知識星球”

總結

以上是生活随笔為你收集整理的推荐CVer的总结 | 性能最强的One-stage目标检测算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。