作者：Amusi
Date：2019-11-26
微信公眾號： CVer
鏈接： 一文看盡8篇目標檢測最新論文(EfficientDet/EdgeNet/ASFF/RoIMix/SCL/EFGRNet等）

前言

計算機視覺論文速遞 專欄有段時間沒有更新論文速遞了，這段時間的論文很多，但比較亮眼的論文并也不多。為了方便大家閱讀，我已經將其中的 目標檢測（Object Detection）論文整理出來。也推薦大家關注 計算機視覺論文速遞 ，可以更快了解到CV的好內容！

本文分享的目標檢測論文將同步推送到 github上，歡迎大家 star/fork（點擊閱讀原文，也可直接訪問）：

amusi/awesome-object-detection github.com

注意事項：

• 本文分享的目標檢測論文既含刷新COCO mAP記錄的目標檢測論文，也有追求 mAP 和 FPS trade-off的論文
• 論文發布時間段：2019年11月

目標檢測論文

【1】SCL: Towards AccurateDomain Adaptive Object Detection via Gradient Detach Based Stacked Complementary Losses

時間：20191108

作者：CMU&印度理工學院

鏈接： https://arxiv.org/abs/1911.0255 9

注：SCL域自適應目標檢測網絡，性能優于MAF(ICCV'19)和Strong-Weak(CVPR'19)

【2】Localization-aware Channel Pruning for Object Detection

時間：20191109

作者：華中科技大學

鏈接： https://arxiv.org/abs/1911.0223 7

注：性能優于DCP、ThiNet，可對SSD剪枝70%參數

【3】RoIMix: Proposal-Fusion among Multiple Images for Underwater Object Detection

時間：20191112

作者：北大&鵬城實驗室&騰訊

鏈接： https://arxiv.org/abs/1911.0302 9

注：水下目標檢測，有點東西的

【4】Model Adaption Object Detection System for Robot

時間：20191113

作者：西安交通大學

鏈接： https://arxiv.org/abs/1911.0271 8

注：解決機器人靠近物體的移動過程中，對物體保持穩定的檢測。檢測和速度性能優于YOLOv3！

【5】EdgeNet: Balancing Accuracy and Performance for Edge-based Convolutional Neural Network Object Detectors

時間：20191117

作者：塞浦路斯大學

鏈接： https://arxiv.org/abs/1911.0609 1

注：EdgeNet 速度和精度均優于Tiny-YOLO V3和DroNet，功耗僅4W！可在樹莓派、CPU上實時運行

【6】Enriched Feature Guided Refinement Network for Object Detection

時間：2019（ICCV 2019）

作者：天津大學&IIAI

http://openaccess.thecvf.com/c ontent_ICCV_2019/papers/Nie_Enriched_Feature_Guided_Refinement_Network_for_Object_Detection_ICCV_2019_paper.pdf

代碼： https://github.com/Ranchentx/EF GRNet

注：EFGRNet是基于SSD改進的Single-Stage檢測網絡，在COCO上可達46ms/39.0mAP(512x512)，現已開源！

【7】EfficientDet: Scalable and Efficient Object Detection

時間：20191122

作者：谷歌大腦(Quoc V. L大佬)

鏈接： https://arxiv.org/abs/1911.0907 0

代碼：即將開源

注：本文提出BiFPN和EfficientDet，在COCO上高達51.0 mAP！是目前在沒有做多尺度測試下最強的目標檢測網絡！

【8】Learning Spatial Fusion for Single-Shot Object Detection

時間：20191122

作者：北京航空航天大學

鏈接： https://arxiv.org/abs/1911.0951 6

代碼： https://github.com/ruinmessi/AS FF

注：YOLOv3+ASFF(自適應空間特征融合)組合，性能優于CornerNet和CenterNet等，在COCO上，38.1mAP/60 FPS，43.9mAP/29FPS！

為了方便下載，我已經將上述論文打包：

百度云鏈接： https://pan.baidu.com/s/1muHIJr DKu-uQcagArfmOLA  
提取碼：yjqu

更多目標檢測論文詳見： https://github.com/amusi/awesom e-object-detection

如果各位CVer喜歡這樣的盤點，請給這篇文章點個贊，如果點贊的人多，其它CV方向的大盤點系列也會盡快推出！