前言

恰逢 2020年，本文再次更新近期值得關(guān)注的最新檢測論文。這次分享的paper將同步推送到 github上，歡迎大家 star/fork（點擊閱讀原文，也可直接訪問）：

https://github.com/amusi/awesome-object-detection

注意事項：

• 既含Anchor-free系列新網(wǎng)絡(luò)，還有遙感和紅外目標(biāo)檢測網(wǎng)絡(luò)

• 論文發(fā)布時間段：2019年12月30日-2020年01月17日

目標(biāo)檢測論文

---

【1】用于AP最大化的目標(biāo)檢測的上下文再評分機(jī)制

《Seeing without Looking: Contextual Rescoring of Object Detections for AP Maximization》

時間：20191230

作者團(tuán)隊：卡內(nèi)基梅隆大學(xué)等

鏈接：https://arxiv.org/abs/1912.12290

注：引入RNN+自注意力機(jī)制，提出新的置信度分?jǐn)?shù)預(yù)測回歸器

---

【2】結(jié)合深度學(xué)習(xí)和驗證進(jìn)行精確的目標(biāo)實例檢測

《Combining Deep Learning and Verification for Precise Object Instance Detection》

時間：20191230

作者團(tuán)隊：卡內(nèi)基梅隆大學(xué)(CMU)

鏈接：https://arxiv.org/abs/1912.12270

---

【3】MetaOD：目標(biāo)檢測系統(tǒng)的蛻變測試

《Metamorphic Testing for Object Detection Systems》

時間：20191231

作者團(tuán)隊：香港科技大學(xué)

鏈接：https://arxiv.org/abs/1912.12162

注：MetaOD是第一個用于目標(biāo)檢測器的蛻變測試(黑盒測試)系統(tǒng)，可以有效地揭示商用目標(biāo)檢測器的錯誤檢測結(jié)果。

---

【4】基于集成式Y(jié)OLOv3算法的蝴蝶檢測與分類

《Butterfly detection and classification based on integrated YOLO algorithm》

時間：20200104

作者團(tuán)隊：北京交通大學(xué)

鏈接：https://arxiv.org/abs/2001.00361

注：本文研究了蝴蝶照片的自動檢測與分類識別問題，提出了一種適合蝴蝶分類的生物標(biāo)記方法。在YOLOv3算法的基礎(chǔ)上，通過綜合不同訓(xùn)練機(jī)制的YOLOv3模型結(jié)果，提出了一種基于YOLOv3算法的蝴蝶自動檢測與分類識別算法。它大大提高了YOLO算法的泛化能力，使其具有更好的解決小樣本問題的能力。

---

【5】CSPNet：可以增強(qiáng)CNN學(xué)習(xí)能力的新型Backbone

《CSPNet: A New Backbone that can Enhance Learning Capability of CNN》

時間：20191128

作者團(tuán)隊：中央研究院資訊科學(xué)研究所&臺灣交通大學(xué)

鏈接：https://arxiv.org/abs/1911.11929

代碼：https://github.com/WongKinYiu/CrossStagePartialNetworks

注1：本文之前CVer推送過，但那時還沒有開源，現(xiàn)在CSPNet已經(jīng)開源，所以再次分享給大家，值得關(guān)注和學(xué)習(xí)！

注2：很棒的backbone，在檢測任務(wù)上性能優(yōu)于YOLOv3-tiny，CSPPeleeNet在Jetson TX2速度高達(dá)41FPS！

---

【6】FNA：通過參數(shù)重新映射和架構(gòu)搜索實現(xiàn)快速神經(jīng)網(wǎng)絡(luò)自適應(yīng)

《Fast Neural Network Adaptation via Parameter Remapping and Architecture Search》

時間：20200109

作者團(tuán)隊：華中科技大學(xué)&地平線

鏈接：https://openreview.net/forum?id=rklTmyBKPH

代碼：https://github.com/JaminFong/FNA

注1：本文對MobileNetV2進(jìn)行FNA，以獲取用于分割和檢測的新網(wǎng)絡(luò)，FNA的總計算成本明顯低于SOTA分割/檢測NAS方法：比DPC少1737倍，比Auto-DeepLab小6.8倍，比DetNAS小7.4倍。

---

【7】P-RSDet：基于極坐標(biāo)的遙感圖像Anchor-free目標(biāo)檢測網(wǎng)絡(luò)

《Objects detection for remote sensing images based on polar coordinates》

時間：20200110

作者團(tuán)隊：中科院&國科大提出

鏈接：https://arxiv.org/abs/2001.02988

注：P-RSDet性能優(yōu)于X-LineNet、R-DFPN等網(wǎng)絡(luò)

---

【8】 MatrixNets：用于目標(biāo)檢測的新尺度和長寬比感知網(wǎng)絡(luò)結(jié)構(gòu)

《MatrixNets: A New Scale and Aspect Ratio Aware Architecture for Object Detection》

時間：20200113

作者團(tuán)隊：滑鐵盧大學(xué)&向量學(xué)院等

鏈接：https://arxiv.org/abs/2001.03194

代碼：https://github.com/arashwan/matrixnet

注：MatrixNets在COCO上可達(dá)47.8 mAP！相對于CornerNet漲點5.6mAP，代碼剛剛開源！

---

【9】商湯科技提出：用于類增加目標(biāo)檢測的跨數(shù)據(jù)集訓(xùn)練

《Cross-dataset Training for Class Increasing Object Detection》

時間：20200115

作者團(tuán)隊：商湯科技

鏈接：https://arxiv.org/abs/2001.04621

注：通過跨數(shù)據(jù)集訓(xùn)練，可以利用現(xiàn)有數(shù)據(jù)集通過單個模型檢測合并的目標(biāo)類。

---

【10】TBC-Net：使用語義約束的紅外小目標(biāo)檢測實時檢測器

《TBC-Net: A real-time detector for infrared small target detection using semantic constraint》

時間：20200117

作者團(tuán)隊：中科院&國科大

鏈接：https://arxiv.org/abs/2001.05852

注：性能優(yōu)于WLCM、NWIE和MPCM等網(wǎng)絡(luò)，TBC-Net可以在NVIDIA Jetson AGX Xavier開發(fā)板上實現(xiàn)實時檢測，適用于諸如帶有紅外傳感器的無人機(jī)的現(xiàn)場研究等應(yīng)用。

TBC-Net

為了方便下載，我已經(jīng)將上述論文打包，在?CVer公眾號?后臺回復(fù)：20200219?即可獲得打包鏈接。

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)在線手冊深度學(xué)習(xí)在線手冊AI基礎(chǔ)下載（pdf更新到25集）備注：加入本站微信群或者qq群，請回復(fù)“加群”獲取一折本站知識星球優(yōu)惠券，請回復(fù)“知識星球”喜歡文章，點個在看

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的一文看尽10篇目标检测最新论文（MetaOD/P-RSDet/MatrixNets等）的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。