大盘点 | 性能最强的目标检测算法

---

  新智元推荐  

趁最近目标检测（Object Detection）方向的论文更新较少，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，特指 mAP 和 FPS。其实现在大多数论文要么强调 mAP 很高，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，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，这一点看最新的顶会论文就知道了）

时间：2019.07.07

盘点内容：目标检测 mAP 最高的算法

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

这么多目标检测算法，究竟哪家最强呢？！

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，并以时间线的角度来展示。

注意：各个网络使用不同backbone，或加不同的tricks，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。

mAP：47.6

Date：2018.05.23

arXiv：https://arxiv.org/abs/1805.09300

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

mAP：48.4

Date：2019.01.07 （已开源）

arXiv：https://arxiv.org/abs/1901.01892

https://github.com/TuSimple/simpledet

mAP：50.7

Date：2019.01.22 （已开源）

arXiv：https://arxiv.org/abs/1901.07518

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

mAP：48.3

Date：2019.04.16 （未开源）

arXiv：https://arxiv.org/abs/1904.07392

mAP：50.3

Date：2019.04.18 （已开源）

arXiv：https://arxiv.org/abs/1904.08900

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

mAP：50.9

Date：2019.06.24 （已开源）

arXiv：https://arxiv.org/abs/1906.09756

Caffe：https://github.com/zhaoweicai/cascade-rcnn

PyTorch：https://github.com/zhaoweicai/Detectron-Cascade-RCNN

mAP：50.7

Date：2019.06.26 （已开源）

arXiv：https://arxiv.org/abs/1906.11172

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

综上所述，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，其 mAP 为 50.9。

这里将 mAP 作为目标检测最强的指标，确实有失偏颇，不够严谨，因为很多人将目标检测应用在不同的任务上，其实要求的性能也有所不同。但请放心，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。

本文经授权转载自微信公众号“CVer”，ID：CVerNews