|
重磅干貨，第一時間送達 前言 近期 CVer 會陸續(xù)更新 CVPR 2020 論文開源項目系列，此系列的重點是：CVPR 2020 + 開源。這里是第一篇關于目標檢測的文章。 其實 CVPR 2020論文很多，按以前的套路是線下開會前一個月官網會放出所有paper的合集（含PDF下載）。今年CVPR 是6月開會，那么按規(guī)律5月份其實大家就能拿到1000多篇論文的PDF了。但這次受疫情影響，CVPR 2020線下會議可能會取消，所以到底什么時候能看到論文合集，這里要打個大大的問號了？ Amusi 整理論文開源項目的初衷，一方面知道大家特別熱衷于開源論文（你懂得），另一方面開源的論文項目更方便大家理解(驗證)論文。 這里的論文開源項目，其實是指提供了代碼鏈接的論文。也就是含coming soon的情況，這里沒法深究這類論文究竟什么時候開源。
由于3D目標檢測也是相當熱門，論文巨多，所以會單獨出一篇來介紹。因此本文主要介紹CVPR 2020中的 2D目標檢測相關論文。 1. ATSS：縮小Anchor-free和Anchor-based的性能差距：通過自適應訓練樣本選擇 
論文鏈接：https:///abs/1912.02424
代碼鏈接：https://github.com/sfzhang15/ATSS注：ATSS在COCO上，single/multi scale分別可達47.7和50.7AP！很強勢，現已開源！
2. EfficientDet 
論文鏈接：https:///abs/1911.09070
https://github.com/google/automl/tree/master/efficientdet
3. Hit-Detector 
論文鏈接：https:///abs/2003.11818
代碼鏈接：https://github.com/ggjy/HitDet.pytorch注：性能優(yōu)于Auto-FPN、DetNAS和NASFPN等網絡。何謂三位一體：端到端同時發(fā)現目標檢測器的backbone，neck和head
4. CentripetalNet
論文鏈接：https:///abs/2003.09119
https://github.com/KiveeDong/CentripetalNet注：Anchor-free目標檢測新網絡，在COCO上可達48 AP！性能優(yōu)于CenterNet、RPDet等網絡論文解讀：CentripetalNet：目標檢測新網絡，COCO 48%AP，超現所有Anchor-free網絡
5. HTCN
論文鏈接：https:///abs/2003.06297
代碼鏈接：https://github.com/chaoqichen/HTCN注：域自適應目標檢測新網絡，表現SOTA！性能優(yōu)于MTOR、SWDA和MAF等網絡
6. BiDet：高效的二值化目標檢測器
論文鏈接：https:///abs/2003.03961
代碼鏈接：https://github.com/ZiweiWangTHU/BiDet注：面向目標檢測的二值化新網絡，性能優(yōu)于Bi-Real-Net、Xnor-Net和BNN等二值網絡
7. Wetectron：實例感知，上下文相關和高效的弱監(jiān)督目標檢測
作者團隊：伊利諾伊大學厄巴納-香檳分校&NVIDIA
論文鏈接：https:///abs/2004.04725
https://github.com/https://github.com/NVlabs/wetectron通過減少訓練過程中對監(jiān)督數據的需求，弱監(jiān)督目標檢測已經成為一個新的熱門研究方向。主要挑戰(zhàn)仍然存在：（1）目標實例的區(qū)分可能是模棱兩可的；（2）檢測器傾向于聚焦于區(qū)分parts而不是整個目標；（3）沒有ground truth，目標proposals對于提高召回率是多余的，從而導致大量內存消耗。解決這些挑戰(zhàn)非常困難，因為通常需要消除不確定性和簡單的解決方案。為了解決這些問題，我們開發(fā)了一個實例感知和針對上下文的統(tǒng)一框架。它采用了實例感知的自訓練算法和可學習的Concrete DropBlock，同時設計了一種內存有效的順序批反向傳播。我們提出的方法在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，基線大幅度提高。此外，該方法是第一個對基于ResNet的模型和弱監(jiān)督視頻目標檢測進行基準測試的方法。
|
