这7篇CVPR 2020 目标检测论文项目都开源了!EfficientDet/ATSS/Hit-De...
重磅干货,第一时间送达
前言
近期 CVer 会陆续更新 CVPR 2020 论文开源项目系列,此系列的重点是:CVPR 2020 + 开源。这里是第一篇关于目标检测的文章。
其实 CVPR 2020论文很多,按以前的套路是线下开会前一个月官网会放出所有paper的合集(含PDF下载)。今年CVPR 是6月开会,那么按规律5月份其实大家就能拿到1000多篇论文的PDF了。但这次受疫情影响,CVPR 2020线下会议可能会取消,所以到底什么时候能看到论文合集,这里要打个大大的问号了?
Amusi 整理论文开源项目的初衷,一方面知道大家特别热衷于开源论文(你懂得),另一方面开源的论文项目更方便大家理解(验证)论文。
这里的论文开源项目,其实是指提供了代码链接的论文。也就是含coming soon的情况,这里没法深究这类论文究竟什么时候开源。
由于3D目标检测也是相当热门,论文巨多,所以会单独出一篇来介绍。因此本文主要介绍CVPR 2020中的 2D目标检测相关论文。
1. ATSS:缩小Anchor-free和Anchor-based的性能差距:通过自适应训练样本选择
论文链接:https://arxiv.org/abs/1912.02424
代码链接:https://github.com/sfzhang15/ATSS注:ATSS在COCO上,single/multi scale分别可达47.7和50.7AP!很强势,现已开源!2. EfficientDet
论文链接:https://arxiv.org/abs/1911.09070
https://github.com/google/automl/tree/master/efficientdet3. Hit-Detector
论文链接:https://arxiv.org/abs/2003.11818
代码链接:https://github.com/ggjy/HitDet.pytorch注:性能优于Auto-FPN、DetNAS和NASFPN等网络。何谓三位一体:端到端同时发现目标检测器的backbone,neck和head4. CentripetalNet
论文链接:https://arxiv.org/abs/2003.09119
https://github.com/KiveeDong/CentripetalNet注:Anchor-free目标检测新网络,在COCO上可达48 AP!性能优于CenterNet、RPDet等网络论文解读:CentripetalNet:目标检测新网络,COCO 48%AP,超现所有Anchor-free网络
5. HTCN
论文链接:https://arxiv.org/abs/2003.06297
代码链接:https://github.com/chaoqichen/HTCN注:域自适应目标检测新网络,表现SOTA!性能优于MTOR、SWDA和MAF等网络6. BiDet:高效的二值化目标检测器
论文链接:https://arxiv.org/abs/2003.03961
代码链接:https://github.com/ZiweiWangTHU/BiDet注:面向目标检测的二值化新网络,性能优于Bi-Real-Net、Xnor-Net和BNN等二值网络
7. Wetectron:实例感知,上下文相关和高效的弱监督目标检测
作者团队:伊利诺伊大学厄巴纳-香槟分校&NVIDIA
论文链接:https://arxiv.org/abs/2004.04725
https://github.com/https://github.com/NVlabs/wetectron通过减少训练过程中对监督数据的需求,弱监督目标检测已经成为一个新的热门研究方向。主要挑战仍然存在:(1)目标实例的区分可能是模棱两可的;(2)检测器倾向于聚焦于区分parts而不是整个目标;(3)没有ground truth,目标proposals对于提高召回率是多余的,从而导致大量内存消耗。解决这些挑战非常困难,因为通常需要消除不确定性和简单的解决方案。为了解决这些问题,我们开发了一个实例感知和针对上下文的统一框架。它采用了实例感知的自训练算法和可学习的Concrete DropBlock,同时设计了一种内存有效的顺序批反向传播。我们提出的方法在COCO(12.1% AP, 24.8% AP50),VOC 2007(54.9% AP)和VOC 2012(52.1% AP)方面取得了最新的成果,基线大幅度提高。此外,该方法是第一个对基于ResNet的模型和弱监督视频目标检测进行基准测试的方法。
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。