推荐CVer的总结 | 性能最强的目标检测算法
前言
趁最近目標(biāo)檢測（Object Detection）方向的論文更新較少，Amusi 趕緊做個"最強目標(biāo)檢測算法"大盤點。
https://github.com/amusi/awesome-object-detection
要知道衡量目標(biāo)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(xiàn)在大多數(shù)論文要么強調(diào) mAP 很高，要么就是強調(diào) mAP 和 FPS 之間 Trade-off 有多好。
本文就來盤點一下 mAP 最高的目標(biāo)檢測算法，Amusi 將在COCO數(shù)據(jù)集上 mAP 最高的算法認(rèn)為是"性能最強"目標(biāo)檢測算法。（COCO數(shù)據(jù)集是現(xiàn)在最主流的目標(biāo)檢測數(shù)據(jù)集，這一點看最新的頂會論文就知道了）
時間：2019.07.07
盤點內(nèi)容：目標(biāo)檢測 mAP 最高的算法
說到目標(biāo)檢測算法，大家腦子里最先蹦出來的算法應(yīng)該是 Faster R-CNN 和 YOLOv3。這一點在我調(diào)研的時候，從大家的反饋明顯看得出來。
要知道?Faster R-CNN已經(jīng)是2015年提出的論文了，而YOLOv3發(fā)表出來也已經(jīng)一年多了。最近目標(biāo)檢測相關(guān)的論文，比較典型的有：SNIPER、CornerNet、ExtremeNet、TridentNet、FSAF、FCOS、FoveaBox、兩個CenterNet 和 CornerNet-Lite等。
這么多目標(biāo)檢測算法，究竟哪家最強呢？！
性能最強的目標(biāo)檢測算法
這里 Amusi 羅列幾個mAP很強很強的算法，并以時間線的角度來展示。
注意：各個網(wǎng)絡(luò)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。
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?（已開源）
arXiv：https://arxiv.org/abs/1901.01892
https://github.com/TuSimple/simpledet
HTC + DCN + ResNeXt-101-FPN
mAP：50.7
Date：2019.01.22 （已開源）
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?（未開源）
arXiv：https://arxiv.org/abs/1904.07392
CornerNet-Saccade+gt attention
mAP：50.3
Date：2019.04.18 （已開源）
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?（已開源）
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?（已開源）
arXiv：https://arxiv.org/abs/1906.11172
https://github.com/tensorflow/tpu/tree/master/models/official/detection
綜上所述，可知改進(jìn)后的?Cascade R-CNN 算法是目前(2019.07.07)目標(biāo)檢測方向性能最強的算法，其 mAP 為 50.9。
侃侃
這里將 mAP 作為目標(biāo)檢測最強的指標(biāo)，確實有失偏頗，不夠嚴(yán)謹(jǐn)，因為很多人將目標(biāo)檢測應(yīng)用在不同的任務(wù)上，其實要求的性能也有所不同。但請放心，Amusi 后續(xù)會統(tǒng)計一波 FPS最快的目標(biāo)檢測算法 和 mAP-FPS Trade-off 最佳的算法。
調(diào)查的論文和鏈接我會放在：https://github.com/amusi/awesome-object-detection，歡迎各位CVer進(jìn)行 star 和 fork！
作者CVer-的公眾號
▲長按關(guān)注我們
機器學(xué)習(xí)初學(xué)者
黃海廣博士創(chuàng)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(xué)者提供學(xué)習(xí)路線和基礎(chǔ)資料。原創(chuàng)作品有：吳恩達(dá)機器學(xué)習(xí)個人筆記、吳恩達(dá)深度學(xué)習(xí)筆記等。
往期精彩回顧
那些年做的學(xué)術(shù)公益-你不是一個人在戰(zhàn)斗
良心推薦：機器學(xué)習(xí)入門資料匯總及學(xué)習(xí)建議
吳恩達(dá)機器學(xué)習(xí)課程筆記及資源（github標(biāo)星12000+，提供百度云鏡像）
吳恩達(dá)深度學(xué)習(xí)筆記及視頻等資源（github標(biāo)星8500+，提供百度云鏡像）
《統(tǒng)計學(xué)習(xí)方法》的python代碼實現(xiàn)（github標(biāo)星7200+）
精心整理和翻譯的機器學(xué)習(xí)的相關(guān)數(shù)學(xué)資料
首發(fā)：深度學(xué)習(xí)入門寶典-《python深度學(xué)習(xí)》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(fù)“加群”
加入知識星球（4100+用戶，ID：92416895），請回復(fù)“知識星球”
總結(jié)
以上是生活随笔為你收集整理的推荐CVer的总结 | 性能最强的目标检测算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 推荐CVer的总结 | 性能最强的One
- 下一篇： Python实现递归算法