目标检测排行榜_大盘点｜性能最强的目标检测算法

新智元推荐

来源&＃xff1a;CVer(ID&＃xff1a;CVerNews)

作者&＃xff1a;Amusi

整理编辑&＃xff1a;三石

【新智元导读】目标检测中存在两个非常重要的性能&＃xff1a;精度和速度&＃xff0c;特指mAP和FPS。本文便对mAP最高的目标检测算法进行了盘点。

趁最近目标检测(Object Detection)方向的论文更新较少&＃xff0c;赶紧做个"最强目标检测算法"大盘点。

要知道衡量目标检测最重要的两个性能就是 精度和速度&＃xff0c;特指mAP 和 FPS。其实现在大多数论文要么强调 mAP 很高&＃xff0c;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&＃xff0c;小编将在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&＃xff0c;这一点看最新的顶会论文就知道了)

时间&＃xff1a;2019.07.07

盘点内容&＃xff1a;目标检测 mAP 最高的算法

说到目标检测算法&＃xff0c;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&＃xff0c;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&＃xff0c;而YOLOv3发表出来也已经一年多了。最近目标检测相关的论文&＃xff0c;比较典型的有&＃xff1a;SNIPER、CornerNet、ExtremeNet、TridentNet、FSAF、FCOS、FoveaBox、两个CenterNet 和 CornerNet-Lite等。

这么多目标检测算法&＃xff0c;究竟哪家最强呢&＃xff1f;&＃xff01;

性能最强的目标检测算法

这里罗列了几个mAP很强很强的算法&＃xff0c;并以时间线的角度来展示。

注意&＃xff1a;各个网络使用不同backbone&＃xff0c;或加不同的tricks&＃xff0c;都会有不同的 mAP。所以小编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&＃xff1a;47.6

Date&＃xff1a;2018.05.23

arXiv&＃xff1a;https://arxiv.org/abs/1805.09300

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

TridentNet&＃xff1a;Scale-Aware Trident Networks for Object Detection

mAP&＃xff1a;48.4

Date&＃xff1a;2019.01.07 (已开源)

arXiv&＃xff1a;https://arxiv.org/abs/1901.01892

https://github.com/TuSimple/simpledet

HTC &＃43; DCN &＃43; ResNeXt-101-FPN

mAP&＃xff1a;50.7

Date&＃xff1a;2019.01.22 (已开源)

arXiv&＃xff1a;https://arxiv.org/abs/1901.07518

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

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

mAP&＃xff1a;48.3

Date&＃xff1a;2019.04.16 (未开源)

arXiv&＃xff1a;https://arxiv.org/abs/1904.07392

CornerNet-Saccade&＃43;gt attention

mAP&＃xff1a;50.3

Date&＃xff1a;2019.04.18 (已开源)

arXiv&＃xff1a;https://arxiv.org/abs/1904.08900

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

Cascade R-CNN&＃xff1a;High Quality Object Detection and Instance Segmentation

mAP&＃xff1a;50.9

Date&＃xff1a;2019.06.24 (已开源)

arXiv&＃xff1a;https://arxiv.org/abs/1906.09756

Caffe&＃xff1a;https://github.com/zhaoweicai/cascade-rcnn

PyTorch&＃xff1a;https://github.com/zhaoweicai/Detectron-Cascade-RCNN

Learning Data Augmentation Strategies for Object Detection

mAP&＃xff1a;50.7

Date&＃xff1a;2019.06.26 (已开源)

arXiv&＃xff1a;https://arxiv.org/abs/1906.11172

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

综上所述&＃xff0c;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&＃xff0c;其 mAP 为 50.9。

侃侃

这里将 mAP 作为目标检测最强的指标&＃xff0c;确实有失偏颇&＃xff0c;不够严谨&＃xff0c;因为很多人将目标检测应用在不同的任务上&＃xff0c;其实要求的性能也有所不同。但请放心&＃xff0c;小编后续会统计一波 FPS最快的目标检测算法 和 mAP-FPS Trade-off 最佳的算法。