实时目标检测算法比较综述：不比不知道，原来NanoDet那么优秀！

目标检测算法很多，但那些在COCO等数据集上登顶的算法往往模型较大、计算复杂度高，其实大家更关心的是“开源”且“实时”目标检测方法。

今天向大家介绍一篇目标检测综述，其对常见的开源实时目标检测算法进行了比较研究，从精度、速度、鲁棒性、消耗能量等角度做了细致的比较，非常值得参考。

这篇论文发表于Transactions on Machine Learning Research，作者信息：

作者来自荷兰 NavInfo Europe 公司。

论文题目：

A Comprehensive Study of Real-Time Object Detection Networks Across Multiple Domains: A Survey

论文地址：

https://arxiv.org/pdf/2208.10895.pdf

下表列出了作者比较的目标检测算法、backbone、数据集和测试硬件：

下图则是该文所列算法使用HarDNet-68 backbone在COCO数据集上的评估结果：

可见NanoDet除了对抗鲁棒性稍差，各方面评估结果均较高！

下表列出了所有参与比较的算法的细节总览：

内容中包含的图片若涉及版权问题，请及时与我们联系删除