目标检测-最强目标检测算法盘点（截止当前）
個人微信公眾號：AI研習圖書館，歡迎關注~
深度學習知識及資源分享，學習交流，共同進步~
大盤點 | 性能最強的目標檢測算法
1. 前言
本文針對現有目標檢測（Object Detection）方向論文，做一個"最強目標檢測算法"大盤點。
項目地址：https://github.com/amusi/awesome-object-detection
眾所周知，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。其實現在大多數論文要么強調 mAP 很高，要么就是強調 mAP 和 FPS 之間 Trade-off 有多好。
本文就來盤點一下 mAP 最高的目標檢測算法，將在COCO數據集上 mAP 最高的算法認為是"性能最強"目標檢測算法。（COCO數據集是現在最主流的目標檢測數據集，這一點看最新的頂會論文就知道了）
時間：2019.07.07
盤點內容：目標檢測 mAP 最高的算法
2. 正文
說到目標檢測算法，大家腦子里最先蹦出來的算法應該是 Faster R-CNN 、SSD和YOLO。
要知道 Faster R-CNN已經是2015年提出的論文了，而YOLOv3發表出來也已經一年多了。最近目標檢測相關的論文，比較典型的有：SNIPER、CornerNet、ExtremeNet、TridentNet、FSAF、FCOS、FoveaBox、兩個CenterNet 和 CornerNet-Lite等。
這么多目標檢測算法，究竟哪家最強呢？！
當前性能最強的目標檢測算法
這里我羅列幾個mAP很強很強的算法，并以時間線的角度來展示。
注意：各個網絡使用不同backbone，或加不同的tricks，都會有不同的 mAP。所以只介紹所能查到最強的算法或者最強組合算法。
1. SNIPER: Efficient Multi-Scale Training
mAP：47.6
Date：2018.05.23
arXiv：https://arxiv.org/abs/1805.09300
https://github.com/MahyarNajibi/SNIPER/
2. 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
3. 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
4. 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
5. 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
6. 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
7. 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，可知改進后的 Cascade R-CNN 算法是目前(2019.07.07)目標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，小編后續會統計一波 FPS最快的目標檢測算法 和 mAP-FPS Trade-off 最佳的算法，敬請期待！
調查的論文和鏈接我會放在：https://github.com/amusi/awesome-object-detection，歡迎各位深度學習進行點贊和交流！
如果喜歡這樣的盤點，請給這篇文章來個"點贊"，如果點贊的人多，其它CV方向的大盤點系列也會盡快推出！
您的支持，是我不斷創作的最大動力~
歡迎點贊，關注，留言交流~
深度學習，樂此不疲~
個人微信公眾號，歡迎關注，精彩不斷~
總結
以上是生活随笔為你收集整理的目标检测-最强目标检测算法盘点（截止当前）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 重庆智博会：人工智能护航“大安全时代”
- 下一篇： 目标检测算法——YOLOv7训练自己的数