2020年即将结束,回望这一年,有哪些亮眼的目标检测论文给你带来启发或者帮助呢?
上半年的DETR掀起了基于Transformer的CV论文浪潮,不少人调侃留给Transformer攻克的CV方向不多了,比如检测、分割、深度估计、车道线检测等领域均被"染指"。同在上半年,还有YOLOv4、YOLOv5等不错的工作。
下半年的好工作也不少,比如本文介绍的刚开源的Deformable-DETR,还有近期发布的Sparse R-CNN和DeFCN等工作。
本文如果点赞的人很多,那么CVer 将尽快推出目标检测2020年度总结性论文(大盘点),看肯定是看不完的,收藏一波安慰自己也行。
这三篇目标检测论文刚刚开源了
AutoAssign
论文发布:2020年7月初 | 代码开源:2020年12月初
作者团队:旷视研究院
论文链接:https://arxiv.org/abs/2007.03496
项目代码链接:
https://github.com/Megvii-BaseDetection/AutoAssign
AutoAssign:用于密集目标检测的可微标签分配,模型表现SOTA!优于当时的所有一阶段检测器,如ATSS、FreeAnchor和FCOS等网络
想了解这篇论文,详情可见:被拒 ECCV 2020!AutoAssign:最强Anchor-free目标检测网络
Deformable DETR
论文发布:2020年10月初 | 代码开源:2020年12月初
作者团队:商汤研究院, 中科大, 港中文
论文链接:https://arxiv.org/abs/2010.04159
项目代码链接:
https://github.com/fundamentalvision/Deformable-DETR
DETR 存在收敛速度慢等缺陷。为了解决这些问题,本文可变形 DETR,其注意力模块仅关注于参考点附近的一小部分采样点作为注意力模块中的 key 元素。可变形 DETR 可以在比 DETR 少 9/10 的训练轮数下,达到更好的性能(尤其是在小目标上)。在 COCO 基准上的大量实验表明了该方法的有效性。
想了解这篇论文,详情可见:训练加快10倍!性能更强!商汤等提出可变形DETR目标检测网络
DeFCN
论文发布:2020年12月初 | 代码开源:2020年12月初
作者团队:旷视科技,西安交通大学
论文链接:https://arxiv.org/abs/2012.03544
项目代码链接:
https://github.com/Megvii-BaseDetection/DeFCN
本文基于FCOS,首次在dense prediction上利用全卷积结构做到E2E,即无NMS后处理。受到DETR的启发,设计了一种POTO(prediction-aware one-to-one assignment)方法。DeFCN在无NMS的情况下,在COCO上达到了与有NMS的FCOS相当的性能。
想了解这篇论文,详情可见:丢弃Transformer!旷视和西安交大提出基于FCN的端到端目标检测网络
本文如果点赞的人很多,那么CVer 将尽快推出目标检测2020年度总结性论文(大盘点),看肯定是看不完的,收藏一波安慰自己也行。
上述三篇论文PDF和源码打包下载
后台回复:1210目标检测,即可下载上述三篇论文论文PDF和相应代码,赶紧学起来!
目标检测综述下载
后台回复:目标检测二十年,即可下载39页的目标检测最全综述,共计411篇参考文献。
下载2
后台回复:CVPR2020,即可下载代码开源的论文合集
后台回复:ECCV2020,即可下载代码开源的论文合集
后台回复:YOLO,即可下载YOLOv4论文和代码