| Cascade RCNN-RS (ResNet-200, single scale) |
- box AP
- 53.1
- APS
- 33.9
- APM
- 56.2
- APL
- 70.3
|
Simple Training Strategies and Model Scaling for Object Detection 2021-06-30 |
코드 1 |
| tiny-MOAT-2 (IN-1K pretraining, single-scale) |
- box AP
- 53.0
|
MOAT: Alternating Mobile Convolution and Attention Brings Strong Vision Models 2022-10-04 |
코드 1 · 코드 2 |
| MViT-L (Mask R-CNN, single-scale, IN21k pre-train) |
- box AP
- 52.7
|
MViTv2: Improved Multiscale Vision Transformers for Classification and Detection 2021-12-02 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 |
| ResNeSt-200 (multi-scale) |
- box AP
- 52.47
- AP50
- 71.00
- AP75
- 57.07
- APS
- 36.80
- APM
- 56.36
- APL
- 66.29
|
ResNeSt: Split-Attention Networks 2020-04-19 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 |
| ActiveMLP-B (Cascade Mask R-CNN) |
- box AP
- 52.3
|
Active Token Mixer 2022-03-11 |
코드 1 · 코드 2 |
| RetinaNet (SpineNet-190, 1536x1536) |
- box AP
- 52.2
|
SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization 2019-12-10 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 |
| EfficientDet-D7 (1536) |
- box AP
- 52.1
|
EfficientDet: Scalable and Efficient Object Detection 2019-11-20 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 |
| tiny-MOAT-1 (IN-1K pretraining, single-scale) |
- box AP
- 51.9
|
MOAT: Alternating Mobile Convolution and Attention Brings Strong Vision Models 2022-10-04 |
코드 1 · 코드 2 |
| GCNet (ResNeXt-101 + DCN + cascade + GC r4) |
- box AP
- 51.8
- AP50
- 70.4
- AP75
- 56.1
|
Global Context Networks 2020-12-24 |
코드 1 · 코드 2 · 코드 3 |
| ELSA-S (Cascade Mask RCNN) |
- box AP
- 51.6
- AP50
- 70.5
- AP75
- 56.0
|
ELSA: Enhanced Local Self-Attention for Vision Transformer 2021-12-23 |
코드 1 |
| FocalNet-T (LRF, Cascade Mask R-CNN) |
- box AP
- 51.5
- AP50
- 70.3
- AP75
- 56.0
|
Focal Modulation Networks 2022-03-22 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 |
| DINO-5scale (24 epoch) |
- box AP
- 51.3
- AP50
- 69.1
- AP75
- 56
- APS
- 34.5
- APM
- 54.2
- APL
- 65.8
|
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection 2022-03-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 |
| DINO-5scale (36 epoch) |
- box AP
- 51.2
- AP50
- 69
- AP75
- 55.8
- APS
- 35
- APM
- 54.3
- APL
- 65.3
|
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection 2022-03-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 |
| ResNeSt-200-DCN (single-scale) |
- box AP
- 50.91
- AP50
- 69.53
- AP75
- 55.40
- APS
- 32.67
- APM
- 54.66
- APL
- 65.83
|
ResNeSt: Split-Attention Networks 2020-04-19 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 |
| UniverseNet-20.08d (Res2Net-101, DCN, single-scale) |
- box AP
- 50.9
- AP50
- 69.5
- AP75
- 55.4
- APS
- 33.5
- APM
- 55.5
- APL
- 65.8
|
USB: Universal-Scale Object Detection Benchmark 2021-03-25 |
코드 1 |
| ResNeSt-200 (single-scale) |
- box AP
- 50.54
- AP50
- 68.78
- AP75
- 55.17
- APM
- 54.2
- APL
- 63.9
|
ResNeSt: Split-Attention Networks 2020-04-19 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 |
| tiny-MOAT-0 (IN-1K pretraining, single-scale) |
- box AP
- 50.5
|
MOAT: Alternating Mobile Convolution and Attention Brings Strong Vision Models 2022-10-04 |
코드 1 · 코드 2 |
| MAE (ViT-B, Mask R-CNN) |
- box AP
- 50.3
|
Masked Autoencoders Are Scalable Vision Learners 2021-11-11 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 |
| Sparse R-CNN (PVTv2-B2) |
- box AP
- 50.1
- AP50
- 69.5
- AP75
- 54.9
|
PVT v2: Improved Baselines with Pyramid Vision Transformer 2021-06-25 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 |
| Pix2seq (ViT-L) |
- box AP
- 50.0
|
Pix2seq: A Language Modeling Framework for Object Detection 2021-09-22 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 |
| DaViT-T (Mask R-CNN, 36 epochs) |
- box AP
- 49.9
|
DaViT: Dual Attention Vision Transformers 2022-04-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| BoTNet 200 (Mask R-CNN, single scale, 72 epochs) |
- box AP
- 49.7
- AP50
- 71.3
- AP75
- 54.6
|
Bottleneck Transformers for Visual Recognition 2021-01-27 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 |
| BoTNet 152 (Mask R-CNN, single scale, 72 epochs) |
- box AP
- 49.5
- AP50
- 71
- AP75
- 54.2
|
Bottleneck Transformers for Visual Recognition 2021-01-27 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 |
| DN-Deformable-DETR-R50++ |
- box AP
- 49.5
- AP50
- 67.6
- AP75
- 53.8
- APS
- 31.3
- APM
- 52.6
- APL
- 65.4
- Params (M)
- 47
|
DN-DETR: Accelerate DETR Training by Introducing Query DeNoising 2022-03-02 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 |
| REGO-Deformable DETR-X101 |
- box AP
- 49.1
- AP50
- 67.5
- AP75
- 53.1
- APS
- 30
- APM
- 52.6
- APL
- 65
|
Recurrent Glimpse-based Decoder for Detection with Transformer 2021-12-09 |
코드 1 |
| CenterMask+VoVNet99 (multi-scale) |
- box AP
- 48.6
- AP50
- 67.8
|
CenterMask : Real-Time Anchor-Free Instance Segmentation 2019-11-15 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| Mask R-CNN (ResNeXt-152-FPN, cascade) |
- box AP
- 48.6
- AP50
- 66.8
- AP75
- 52.9
|
Rethinking ImageNet Pre-training 2018-11-21 |
코드 1 |
| UniverseNet-20.08 (Res2Net-50, DCN, single-scale) |
- box AP
- 48.5
- AP50
- 67.0
- AP75
- 52.6
- APS
- 30.6
- APM
- 52.7
- APL
- 62.7
|
USB: Universal-Scale Object Detection Benchmark 2021-03-25 |
코드 1 |
| XCiT-M24/8 |
- box AP
- 48.5
|
XCiT: Cross-Covariance Image Transformers 2021-06-17 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 |
| ELSA-S (Mask RCNN) |
- box AP
- 48.3
- AP50
- 70.4
- AP75
- 52.9
|
ELSA: Enhanced Local Self-Attention for Vision Transformer 2021-12-23 |
코드 1 |