CVPR 2019 论文大盘点—目标检测篇

感谢52CV群友“一块钱”盘点了CVPR 2019 所有有关目标检测的文章，并简单做了分类。

总计 56 篇，绝大多数含开源代码，很多已经被大家所熟悉，比如KL-Loss、ScratchDet、ExtremeNet、NAS-FPN、GIoU 等。

可以在以下网站下载这些论文：

http://openaccess.thecvf.com/CVPR2019.py

如果想要下载所有CVPR 2019 论文，请点击这里：

重磅！CVPR 2019 论文终于全面开放下载！附百度云链接

二阶段算法

提出了一种新的边界框回归损失，同时学习边界框变换和定位差异

卡耐基梅隆大学、旷视

Bounding Box Regression with Uncertainty for Accurate Object Detection

Yihui He, Chenchen Zhu, Jianren Wang, Marios Savvides, Xiangyu Zhang

https://github.com/yihui-he/KL-Loss

将 balanced 概念应用到 IoU 检测候选框、特征融合、损失计算三个方面

浙江大学、商汤科技、香港中文大学、悉尼大学

Libra R-CNN: Towards Balanced Learning for Object Detection

Jiangmiao Pang, Kai Chen, Jianping Shi, Huajun Feng, Wanli Ouyang,

Dahua Lin

https://github.com/OceanPang/Libra_R-CNN

一种新的 Reasoning-RCNN，其利用人类的各种常识知识，赋予任何检测网络对所有目标区域进行自适应全局推理的能力

华为诺亚方舟实验室、中山大学

Reasoning-RCNN: Unifying Adaptive Global Reasoning into Large-scale

Object Detection

Hang Xu, ChenHan Jiang, Xiaodan Liang, Liang Lin, Zhenguo Li

https://github.com/chanyn/Reasoning-RCNN

提出了一种可扩展的并行化方法来实现区域候选框中的 NMS

新加坡南洋理工大学

MaxpoolNMS:GettingRid of NMS Bottlenecks in Two-Stage Object

Detectors

Lile Cai, Bin Zhao, Zhe Wang, Jie Lin, Chuan Sheng Foo, Mohamed Sabry

Aly, Vijay Chandrasekhar

提出一个 RoI Transformer 的模块，实现对有向和密集填充对象的检测

武汉大学

Learning RoI Transformer for Oriented Object Detection in Aerial Images

Jian Ding, Nan Xue, Yang Long, Gui-Song Xia, Qikai Lu

一阶段算法

一种从零开始训练的目标探测器 ScratchDet，充分利用原始图像信息的 Root-ResNet，结合 ResNet 与 VGGNet 加强对小目标的检测

京东 AI 研究院、中国科学院、中山大学

ScratchDet: Training Single-Shot Object Detectors from Scratch

Rui Zhu, Shifeng Zhang, Xiaobo Wang, Longyin Wen, Hailin Shi, Liefeng Bo, Tao Me

https://github.com/KimSoybean/ScratchDet

提出 ExtremeNet，一个自底向上的对象检测框架，它检测对象的四个极端点(最顶部、最左侧、最底部、最右侧)

UT Austin

Bottom-up Object Detection by Grouping Extreme and Center Points

Xingyi Zhou, Jiacheng Zhuo, Philipp Krähenbühl

https://github.com/xingyizhou/ExtremeNet

提出一种新目标检测框架来处理类不平衡问题，一种 error-driven 学习算法优化了基于 AP 不可微非凸目标函数

上海交通大学、中国 Intel Labs、马来西亚多媒体大学、腾讯 YOUTU

实验室、北京大学

Towards Accurate One-Stage Object Detection with AP-Loss

Kean Chen, Jianguo Li, Weiyao Lin, John See, Ji Wang, Lingyu Duan, Zhibo Chen, Changwei He, Junni Zou

提出了一种简单有效的学习技术，在不影响 YOLO 检测器速度的前提下，显著地改进 YOLO 的 mAP

德黑兰大学、西雅图艾伦人工智能研究所

Assisted Excitation of Activations: