论文笔记

论文地址：https://arxiv.org/abs/2103.07461  GitHub地址：https://github.com/xingyizhou/CenterNet2 说明：本文是Center

论文 论文题目：You Only Look at One Sequence: RethinkingTransformer in Vision through Object Detection 发表于：NeurIPS

目标检测发展很快，但对于小目标 的检测还是有一定的瓶颈，特别是大分辨率图像小目标检测 。比如79202160，甚至1600016000的图像，还有一些遥感图像 。 图像的分辨率很大&#xf

本文解决的是减少推理计算的问题。 本文收录于CVPR2019 论文地址：https://arxiv.org/pdf/1911.11929.pdf 1. 摘要 目前最先进的能够在计算机视觉任务上取得非常好的结果的方法往往很大程度上

！！！好多看不懂的啊这篇)摘要 Pix2Seq:是一种简单而又通用的目标检测框架。与现有的显式整合关于任务的先验知识的方法不同，我们简单地将对象检测转换为基于观察到的像素输入的语言建模任

YOLO9000:Better, Faster, Stronger(yolov2) YOLO9000，一个最先进的实时目标检测系统，可以检测9000多个目标类别。使用一种新颖的多尺度训练方法，同一个Y

论文标题：Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation 论文地址：https://arxiv.or

EfficientDet 1.摘要 首先，我们提出了一种加权双向特征金字塔网络（BiFPN），它允许简单快速的进行多尺度特征融合。其次，我们提出了一种复合缩放方法&#xf

1、网络结构图 （1）输入端 ：Mosaic数据增强、自适应锚框计算、自适应图片缩放 （2）Backbone ：Focus结构，CSP结构 &#x

论文地址：[2104.11892] A Survey of Modern Deep Learning based Object Detection Models (arxiv.org) 本文为上述论文的中文翻译，旨在