首发于AI有道
51 个深度学习目标检测模型汇总,论文、源码一应俱全!

51 个深度学习目标检测模型汇总,论文、源码一应俱全!

目标检测(Object Detection)是深度学习 CV 领域的一个核心研究领域和重要分支。纵观 2013 年到 2019 年,从最早的 R-CNN、Fast R-CNN 到后来的 YOLO v2、YOLO v3 再到今年的 M2Det,新模型层出不穷,性能也越来越好!本文将会对目标检测近几年的发展和相关论文做出一份系统介绍,总结一份超全的文献 paper 列表。

模型列表先一睹为快!(建议收藏)

这份目标检测超全的技术路线总结来自于 GitHub 上一个知名项目,作者是 Lee hoseong,项目地址是:

hoya012/deep_learning_object_detectiongithub.com图标

该技术路线横跨时间是 2014 年至 2019 年,上图总结了这期间目标检测所有重要的模型。图中标红的部分是作者认为比较重要,需要重点掌握的模型。当然每个人有都有各自的评价。

模型性能比较

FPS(速度)索引与硬件规格(如 CPU、GPU、RAM 等)有关,因此很难进行同等比较。解决方案是在具有相同规格的硬件上测量所有模型的性能,但这是非常困难和耗时的。比较结果如下:


下面举例对标红的重要模型进行介绍!

2014 年

R-CNN

Rich feature hierarchies for accurate object detection and semantic segmentation | Ross Girshick, Jeff Donahue, Trevor Darrell, Jitendra Malik | [CVPR’ 14]

论文:

arxiv.org/pdf/1311.2524

代码 Caffe:

github.com/rbgirshick/r

OverFeat

OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks | Pierre Sermanet, et al. | [ICLR’ 14]

论文:

arxiv.org/pdf/1312.6229

代码 Torch:

github.com/sermanet/Ove

2015 年

Fast R-CNN

Fast R-CNN | Ross Girshick | [ICCV’ 15]

论文:

arxiv.org/pdf/1504.0808

代码 caffe:

github.com/rbgirshick/f

Faster R-CNN

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks | Shaoqing Ren, et al. | [NIPS’ 15]

论文:

papers.nips.cc/paper/56

代码 caffe:

github.com/rbgirshick/p

代码 tensorflow:

github.com/endernewton/

代码 pytorch:

github.com/jwyang/faste

2016 年

OHEM

Training Region-based Object Detectors with Online Hard Example Mining | Abhinav Shrivastava, et al. | [CVPR’ 16]

论文:

arxiv.org/pdf/1604.0354

代码 caffe:

github.com/abhi2610/ohe

YOLO v1

You Only Look Once: Unified, Real-Time Object Detection | Joseph Redmon, et al. | [CVPR’ 16]

论文:

arxiv.org/pdf/1506.0264

代码 c:

pjreddie.com/darknet/yo

SSD

Single Shot MultiBox Detector | Wei Liu, et al. | [ECCV’ 16]

论文:

arxiv.org/pdf/1512.0232

代码 caffe:

github.com/weiliu89/caf

代码 tensorflow:

github.com/balancap/SSD

代码 pytorch:

github.com/amdegroot/ss

R-FCN

Object Detection via Region-based Fully Convolutional Networks | Jifeng Dai, et al. | [NIPS’ 16]

论文:

arxiv.org/pdf/1605.0640

代码 caffe:

github.com/daijifeng001

代码 caffe:

github.com/YuwenXiong/p

2017 年

YOLO v2

Better, Faster, Stronger | Joseph Redmon, Ali Farhadi | [CVPR’ 17]

论文:

arxiv.org/pdf/1612.0824

代码 c:

pjreddie.com/darknet/yo

代码 caffe:

github.com/quhezheng/ca

代码 tensorflow:

github.com/nilboy/tenso

代码 tensorflow:

github.com/sualab/objec

代码 pytorch:

github.com/longcw/yolo2

FPN

Feature Pyramid Networks for Object Detection | Tsung-Yi Lin, et al. | [CVPR’ 17]

论文:

openaccess.thecvf.com/c

代码 caffe:

github.com/unsky/FPN

RetinaNet

Focal Loss for Dense Object Detection | Tsung-Yi Lin, et al. | [ICCV’ 17]

论文:

arxiv.org/pdf/1708.0200

代码 keras:

github.com/fizyr/keras-

代码 pytorch:

github.com/kuangliu/pyt

代码 mxnet:

github.com/unsky/Retina

代码 tensorflow:

github.com/tensorflow/t

Mask R-CNN

Kaiming He, et al. | [ICCV’ 17]

论文:

openaccess.thecvf.com/c

代码 caffe2:

github.com/facebookrese

代码 tensorflow:

github.com/matterport/M

代码 tensorflow:

github.com/CharlesShang

代码 pytorch:

github.com/multimodalle

2018 年

YOLO v3

An Incremental Improvement | Joseph Redmon, Ali Farhadi | [arXiv’ 18]

论文:

pjreddie.com/media/file

代码 c:

pjreddie.com/darknet/yo

代码 pytorch:

github.com/ayooshkathur

代码 pytorch:

github.com/eriklinderno

代码 keras:

github.com/qqwweee/kera

代码 tensorflow:

github.com/mystic123/te

RefineDet

Single-Shot Refinement Neural Network for Object Detection | Shifeng Zhang, et al. | [CVPR’ 18]

论文:

openaccess.thecvf.com/c

代码 caffe:

github.com/sfzhang15/Re

代码 chainer:

github.com/fukatani/Ref

代码 pytorch:

github.com/lzx1413/Pyto

2019 年

M2Det

A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network | Qijie Zhao, et al. | [AAAI’ 19]

论文:

arxiv.org/pdf/1811.0453

参考文献

该项目的参考文献来自于论文《Deep Learning for Generic Object Detection: A Survey》

论文地址:

arxiv.org/pdf/1809.0216


发布于 2019-01-23

文章被以下专栏收录