前言

去年7月，Amusi 曾做過一篇整理：大盤點 | 性能最強的目標檢測算法，那時收集的情況是：改進后的?Cascade R-CNN 算法是截止(2019.07.07)目標檢測方向性能最強的算法，其 mAP 為 50.9。

Amusi 發現2020年，對于目標檢測漲點的研究相比于2018、2019年少很多了。個人覺得一方面研究遇到一定瓶頸，另一方面，一片紅海的目標檢測相對發論文的門檻更高了。

2019年anchor-free系列的目標檢測論文層出不窮，其中特別要提到：FCOS和CenterNet。但今年還未看到更加亮眼的論文，這可能要等到CVPR 2020和ECCV 2020論文全部出來才能知道。

拋開參數量、FLOPs等，簡單粗暴衡量目標檢測最重要的兩個性能就是?精度和速度，特指 AP 和 FPS。這一點在很多論文中都能看到相關的圖示，比如前不久剛出的YOLOv4。

• 追求漲點的論文，主要強調 AP 刷的有多高；

• 追求速度的論文，主要強調 AP 和 FPS 之間 Trade-off 有多好（速度一般>30 FPS）。
  

時隔9個月，Amusi 再來盤點一下 AP 最高的目標檢測算法。根據目前學術論文情況，Amusi 將在COCO數據集上 AP 最高的算法認為是"性能最強"目標檢測算法。

• 盤點時間：2020.04.28
  

• 盤點內容：目標檢測 AP 最高的算法

• 不嚴格區分單尺度/多尺度訓練，只看數據

• Amusi整理，僅個人觀點，歡迎補充

性能最強的目標檢測算法

這里 Amusi 羅列幾個AP很強很強的算法，并以時間線的角度來展示（如果論文開源了，我也會注明的）。

注意：各個網絡使用不同backbone，或加不同的tricks，都會有不同的 AP。所以Amusi 只介紹所能查到最強的算法或者最強組合算法。

CBNet: A Novel Composite Backbone Network Architecture for Object Detection

AP：53.3

Date：2019.09.09

論文：https://arxiv.org/abs/1909.03625

代碼1：https://github.com/PKUbahuangliuhe/CBNet

代碼2：https://github.com/VDIGPKU/CBNet

代碼3（基于PaddlePaddle）：

https://github.com/PaddlePaddle/PaddleDetection

論文解讀：

53.3 mAP！北大等提出CBNet 目標檢測新骨干網絡

值得提一下：CBNetv2也快要出來了，性能有多強，敬請期待！

EfficientDet: Scalable and Efficient Object Detection

AP：52.2

Date：2019.11.20

注：已收錄于CVPR 2020

論文：https://arxiv.org/abs/1911.09070

代碼1（官方，基于TensorFlow）：

https://github.com/google/automl/tree/master/efficientdet

代碼2（基于PyTorch）：

https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch

論文解讀：

一騎絕塵的EfficientNet和EfficientDet

全網第一SoTA成績卻樸實無華的PyTorch版EfficientDet

SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization

AP：52.1

Date：2019.12.10

注：已收錄于CVPR 2020

論文：https://arxiv.org/abs/1912.05027

代碼（官方，基于TensorFlow）：

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

TSD: Revisiting the Sibling Head in Object Detector

AP：51.2

Date：2020.03.17

注：已收錄于CVPR 2020，且是Google OpenImage Challenge 2019 檢測賽道的冠軍解決方案

論文：https://arxiv.org/abs/2003.07540

代碼：暫無

論文解讀：51.2 mAP！商湯提出目標檢測新網絡 TSD | CVPR 2020

綜上所述，可知：

• 基于CBNet改進后的 Cascade Mask R-CNN 算法是目前(2020.04.28)目標檢測方向性能最強的算法，其 AP 為 53.3（多尺度測試）
  

• EfficientDet算法是目前(2020.04.28)目標檢測方向性能最強的算法，其 AP 為 52.2（單尺度測試）

侃侃

這里將 AP 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，每個任務偏重的性能要求也有所不同，比如模型大小、inference速度、小目標檢測等。

Amusi 后續還會統計一波 mAP-FPS Trade-off 最佳算法的大盤點。

如果喜歡這樣的盤點，請給這篇文章點個"在看"，如果點擊"在看"的人多，其它CV方向的大盤點系列也會盡快推出！

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習在線手冊AI基礎下載（pdf更新到25集）本站qq群1003271085，加入微信群請回復“加群”獲取一折本站知識星球優惠券，復制鏈接直接打開：https://t.zsxq.com/yFQV7am喜歡文章，點個在看

總結

以上是生活随笔為你收集整理的【CV】大盘点 | 性能最强的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。