加入极市专业CV交流群,与6000+来自腾讯,华为,百度,北大,清华,中科院等名企名校视觉开发者互动交流!更有机会与李开复老师等大牛群内互动!
同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流。关注 极市平台 公众号 ,回复 加群,立刻申请入群~
前言
本文分享的目标检测论文将同步推送到 github上,欢迎大家 star/fork:
https://github.com/amusi/awesome-object-detection
注意事项:
目标检测论文
【1】SCL: Towards Accurate Domain Adaptive Object Detection via Gradient Detach Based Stacked Complementary Losses
链接:https://arxiv.org/abs/1911.02559
注:
SCL域自适应目标检测网络,性能优于MAF(ICCV'19)和Strong-Weak(CVPR'19)
【2】Localization-aware Channel Pruning for Object Detection
链接:https://arxiv.org/abs/1911.02237
注:
性能优于DCP、ThiNet,可对SSD剪枝70%参数
【3】RoIMix: Proposal-Fusion among Multiple Images for Underwater Object Detection
链接:https://arxiv.org/abs/1911.03029
【4】Model Adaption Object Detection System for Robot
链接:https://arxiv.org/abs/1911.02718
注:解决机器人靠近物体的移动过程中,对物体保持稳定的检测。检测和速度性能优于YOLOv3!
【5】EdgeNet: Balancing Accuracy and Performance for Edge-based Convolutional Neural Network Object Detectors
链接:https://arxiv.org/abs/1911.06091
注:EdgeNet 速度和精度均优于Tiny-YOLO V3和DroNet,功耗仅4W!可在树莓派、CPU上实时运行
【6】Enriched Feature Guided Refinement Network for Object Detection
http://openaccess.thecvf.com/content_ICCV_2019/papers/Nie_Enriched_Feature_Guided_Refinement_Network_for_Object_Detection_ICCV_2019_paper.pdf
代码:https://github.com/Ranchentx/EFGRNet
注:EFGRNet是基于SSD改进的Single-Stage检测网络,在COCO上可达46ms/39.0mAP(512x512),现已开源!
【7】EfficientDet: Scalable and Efficient Object Detection
链接:https://arxiv.org/abs/1911.09070
注:本文提出BiFPN和EfficientDet,在COCO上高达51.0 mAP!是目前在没有做多尺度测试下最强的目标检测网络!
【8】Learning Spatial Fusion for Single-Shot Object Detection
链接:https://arxiv.org/abs/1911.09516
代码:https://github.com/ruinmessi/ASFF
注:YOLOv3+ASFF(自适应空间特征融合)组合,性能优于CornerNet和CenterNet等,在COCO上,38.1mAP/60 FPS,43.9mAP/29FPS!
为了方便下载, 后台回复:20191203 即可获得本文中所有论文打包链接。
-End-
CV细分方向交流群
添加极市小助手微信(ID : cv-mart),备注:研究方向-姓名-学校/公司-城市(如:目标检测-小极-北大-深圳),即可申请加入目标检测、目标跟踪、人脸、工业检测、医学影像、三维&SLAM、图像分割等极市技术交流群(已经添加小助手的好友直接私信),更有每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流,一起来让思想之光照的更远吧~
△长按添加极市小助手
△长按关注极市平台
觉得有用麻烦给个在看啦~