论文阅读

A 2 S-Det：航空图像定向目标检测中的高效锚点匹配 论文地址：https://www.mdpi.com/2072-4292/13/1/73/htm 目录 以下是翻译部分 摘要 1. 介绍 2. 材料和方法

0. 前言 英文标题：PointPillars: Fast Encoders for Object Detection from Point Clouds发表单位：nuTonomy，一家从麻省理工学院分

目录 Abstract 1.Introduction 2.Related work 2.1.Image Deblurring 2.2.Generative adversarial networks 3. DeblurGAN-v2 Arc

第二天算是坚持住了，不容易啊（因为我实在太想躺平了）。  今天读R-CNN系列的开山之作，虽然我是已经学过R-CNN的大致架构了，是抱着学习候选区域生成算法（

RetinaNet 论文地址：https://arxiv.org/abs/1708.02002 学习参考：RetinaNet 论文和代码详解 - 知乎 这边只是简单记录一下自己关注的，建议看别人已经写好

更多内容更新于个人博客 twn29004.top 代码链接 RPVNet: A Deep and Efficient Range-Point-Voxel Fusion Network for LiDAR Point Cloud Segme

Abstract 存在问题 由于无人机会在不同的高度飞行，物体的尺度变化剧烈，这给网络的优化带来了负担。高速和低空飞行对排列密集的物体带来了运动模糊，这对物体的区分带来了巨大挑战。 文章提出的解

最近在恶补2d目标检测的文章，把他们整理了一下，写一下综述，方便以后查看。 写得比较简略，主要是自己对于 一些网络的理解。 - sppnet 本文引入了一种针对不同尺度图片的目标检