一文看盡10篇目標檢測最新論文（SpineNet/AugFPN/LRF-Net/SABL等）

作者：Amusi
Date：2019-12-17
來源： CVer  微信公眾號
連結： 一文看盡10篇目標檢測最新論文（SpineNet/AugFPN/LRF-Net/SABL/DSFPN等）

前言

一週前 Amusi 整理了  目標檢測（Object Detection）較為值得關注的論文： 一文看盡16篇目標檢測最新論文（ATSS/MnasFPN/SAPD/CSPNet/DIoU Loss等）

本文再次更新值得關注的最新檢測論文。這次分享的paper將同步推送到 github上，歡迎大家 star/fork（點選閱讀原文，也可直接訪問）：

https://github.com/amusi/awesom e-object-detection

在此推薦大家關注  計算機視覺論文速遞  知乎專欄，可以快速瞭解到最新優質的CV論文

注意事項：

• 本文分享的目標檢測論文既含ICCV 2019和AAAI 2020剛剛開源的目標檢測論文，也有追求 mAP 和 FPS trade-off的論文
• 論文釋出時間段：2019年12月10日-2019年12月14日

目標檢測論文

【1】SABL：側面感知邊界定位可實現更精確的目標檢測

《Side-Aware Boundary Localization for More Precise Object Detection》

時間：20191210

作者團隊：港中文&南洋理工大學&浙大&中科大&商湯

連結： https://arxiv.org/abs/1912.0426 0

程式碼即將開源： https://github.com/open-mmlab/m mdetection

注：Side-Aware Boundary Localization (SABL),替代bounding box regression，顯著提升目標檢測效能，如Faster R-CNN, RetinaNet, and Cascade R-CNN分別漲點3.0%, 1.6%, and 0.9%！

Pipeline of SABL for two-stage detector Pipeline of SABL for two-stage detector

【2】使用強化學習對大影像進行有效的目標檢測

《Efficient Object Detection in Large Images using Deep Reinforcement Learning》

時間：20191210（WACV 2020）

作者團隊：史丹佛大學

連結： https://arxiv.org/abs/1912.0396 6

注：為了減少在高空大解析度的遙感影像進行目標檢測所耗費的計算成本，我們提出了一種增強學習方法：CPNet+FPNet，該方法自適應地選擇提供給檢測器的每個影像的空間解析度。

【3】DSFPN：用於目標檢測和例項分割的雙重監督特徵金字塔網路

《Dually Supervised Feature Pyramid for Object Detection and Segmentation》

時間：20191210

作者團隊：天普大學&小鵬汽車等

連結： https://arxiv.org/abs/1912.0373 0

注：可有效提高Faster RCNN、Cascade RCNN和Mask RCNN的mAP！

【4】SpineNet：用於識別和定位的尺度排列Backbone

《SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization》

時間：20191212

作者團隊：Google Research(Quoc V. Le大佬)

連結： https://arxiv.org/abs/1912.0502 7

注：谷歌近期推出EfficientDet和MnasFPN後，今兒又推出SpineNet，基於RetinaNet，mAP直接高達49.2！模型更小、更快

【5】IoU-uniform R-CNN：突破RPN的侷限性

《IoU-uniform R-CNN: Breaking Through the Limitations of RPN》

時間：20191212

作者團隊：華中科技大學&中南民族大學

連結： https://arxiv.org/abs/1912.0519 0

程式碼： https://github.com/zl1994/IoU-U niform-R-CNN

注：IoU-uniform R-CNN應用至Faster R-CNN、Cascade R-CNN直接漲點0.5-2個點！

【6】AugFPN：改進用於目標檢測的多尺度特徵學習

《AugFPN: Improving Multi-scale Feature Learning for Object Detection》

時間：20191212

作者團隊：中科院&地平線

連結： https://arxiv.org/abs/1912.0538 4

注：AugFPN替換FPN，可幫助Faster R-CNN和RetinaNet漲點1.6AP，幫助FCOS漲點 0.9AP！程式碼即將開源

Overall pipeline of AugFPN based detector Overall pipeline of AugFPN based detector

【7】RDSNet：用於目標檢測和例項分割的新的深度網路

《RDSNet: A New Deep Architecture for Reciprocal Object Detection and Instance Segmentation》

時間：20191212（AAAI 2020）

作者團隊：中科院&地平線&國科大

連結： https://arxiv.org/abs/1912.0507 0

程式碼： https://github.com/wangsr126/RD SNet

RDSNet architecture

【8】從Noisy Anchors學習以進行One-stage目標檢測

《Learning from Noisy Anchors for One-stage Object Detection》

時間：20191213

作者團隊：馬里蘭大學帕克分校&Salesforce

連結： https://arxiv.org/abs/1912.0508 6

注：直接對RetinaNet效能提升2個點，效能優於FASF、ExtremeNet和FCOS等網

【9】用於精確定位的IoU感知的Single-stage目標檢測器

《IoU-aware Single-stage Object Detector for Accurate Localization》

時間：20191213

作者團隊：華中科技大學

連結： https://arxiv.org/abs/1912.0599 2

注：IoU-aware基於RetinaNet，可漲點1.0%∼1.6%

The architecture of IoU-aware single-stage object detector

【10】LRF-Net：高速學習豐富的特徵以進行Single-Shot目標檢測《Learning Rich Features at High-Speed for Single-Shot Object Detection》時間：20191214（ICCV 2019）作者團隊：天津大學&IIAI連結： http://openaccess.thecvf.com/c ontent_ICCV_2019/papers/Wang_Learning_Rich_Features_at_High-Speed_for_Single-Shot_Object_Detection_ICCV_2019_paper.pdf 程式碼： https://github.com/vaesl/LRF-Ne t 注：超越YOLOV3、RetinaNet等Single-stage網路，速度高達52FPS！程式碼剛開源！(基於PyTorch)

LRF-Net 網路結構

福利

為了方便下載，我已經將上述10篇目標檢測論文打包，百度雲資源如下：

連結： https://pan.baidu.com/s/1WZNX-T jz_-5wrBDcdCJCYg
提取碼：z58r

如果各位 CVer 喜歡這樣的"看盡"系列，請給這篇文章點個贊，如果點讚的人多，其它CV方向的"看盡"系列也會盡快推出！推薦大家關注  計算機視覺論文速遞  知乎專欄和  CVer  微信公眾號，可以快速瞭解到最新優質的CV論文

推薦閱讀

等待YOLOv4的期間，它還在更新

大盤點 | 2019年4篇目標檢測演算法最佳綜述

大盤點 | 2019年5篇影像分割演算法最佳綜述

大盤點 | 2019年3篇目標跟蹤演算法最佳綜述

YOLACT++：更強的實時例項分割網路，可達33.5 FPS/34.1mAP！

https://zhuanlan.zhihu.com/p/97862053

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69946223/viewspace-2674256/，如需轉載，請註明出處，否則將追究法律責任。