前言
要知道衡量目标檢測最重要的兩個性能就是 精度和速度，特指 mAP 和 FPS。其實作在很多論文要麼強調 mAP 很高，要麼就是強調 mAP 和 FPS 之間 Trade-off 有多好。
目前的目标檢測論文主要分為兩大類：One-stage 和 Two-stage（還有部分是 Multi-stage），其中 One-stage 相對于 Two-stage 在性能方面的表現就是 FPS 會高一點，即速度相對要快一點。
本文就來盤點一下 One-stage 最強的目标檢測算法，Amusi 将在COCO資料集上 mAP 最高的 One-stage 算法認為是"性能最強" One-stage 目标檢測算法。雖然 One-stage 目标檢測算法的 mAP 并不是最高的，但因為普遍具有速度優勢（個人覺得也就是落地應用價值），是以目前的研究有很多。
注：下一篇盤點應該會介紹 FPS最大（速度最快）的目标檢測算法，如果想盡早看到，請給這篇文章點個"在看"，如果點選"在看"的人多，速度最快的目标檢測算法大盤點也會盡快推出！
時間：2019.08.07
盤點内容：One-stage 目标檢測 mAP 最高的算法
說到 One-stage 目标檢測算法，大家腦子裡最先蹦出來的算法應該是 YOLO系列和 SSD系列。
這兩個 One-stage "王者" 代表算法已經發表有段時間了，SSD 發表于2015.12，而 YOLOv3 發表于 2018.04。
最近 One-stage 目标檢測相關的論文，比較典型的有：CornerNet、ExtremeNet、FoveaBox、FSAF、FCOS、FoveaBox、RepPoints、兩個 CenterNet 和 CornerNet-Lite等。
這麼多目标檢測算法，究竟哪家最強呢？！
One-stage 性能最強的目标檢測算法
這裡 Amusi 羅列幾個 One-stage mAP很強很強的算法，并以時間線的角度來展示。
注意：各個網絡使用不同backbone，或加不同的tricks，都會有不同的 mAP。是以Amusi 隻介紹所能查到最強的算法或者最強組合算法。而且測試 mAP的時候可能會有 single-scale 和 multi-scale 兩種情況，這裡隻讨論 single-scale。
FSAF: Feature Selective Anchor-Free Module for Single-Shot Object Detection
mAP：42.9
FPS：5.3
Date：2019.03.02 （未開源）
arXiv：https://arxiv.org/abs/1903.00621
FCOS: Fully Convolutional One-Stage Object Detection
mAP：43.2
FPS：None
Date：2019.04.02（已開源）
arXiv：https://arxiv.org/abs/1904.01355
https://github.com/tianzhi0549/FCOS
原論文 mAP是 42.1，但開源的代碼裡又優化為 43.2
CenterNet：Objects as Points
mAP：42.1
FPS：7.8
Date：2019.04.16（已開源）
arXiv：https://arxiv.org/abs/1904.07850
https://github.com/xingyizhou/CenterNet
CenterNet: Keypoint Triplets for Object Detection
mAP：44.9
FPS：3
Date：2019.04.17 （已開源）
arXiv：https://arxiv.org/abs/1904.08189
https://github.com/Duankaiwen/CenterNet
AlignDet：Revisiting Feature Alignment for One-stage Object Detection
mAP：44.1
FPS：5.6
Date：2019.08.06 （未開源）
arXiv：https://arxiv.org/abs/1908.01570
綜上所述，Amusi 将 CenterNet 和 AlignDet 兩個算法認為是目前(2019.08.07) One-stage 目标檢測方向性能最強的算法，其中：
- CenterNet 的 mAP/FPS ：44.9/3
- AlignDet 的 mAP/FPS ：44.1/5.5