近年来，目标检测的工程应用研究中，YOLO系列以快速响应、高精度、结构简单以及容易部署的特点备受工程研究人员的青睐。同时，YOLO系列存在需要手工设定样本正负导致模型泛化能力较差的问题。为了解决此类问题

实际目标检测回归任务中的Loss ● Smooth L1 Loss： ● L1、L2、Smooth L1作为目标检测回归Loss的缺点： 1）坐标分别计算：x、y、w、h分别回归&#xf

论文链接: https://arxiv.org/pdf/2103.10643v1.pdf. 前言 特征金字塔网络（FPN）是提取物体检测中的多尺度特征的有效框架。然而，基于FPN的方法主要遭受通道减

本文介绍 CVPR 2021 接收的目标检测论文 You Only Look One-level Feature。原论文作者来自：中科院自动化所、中科院大学人工智能学院、中国科学院脑科学与智能技术卓越创新中心、旷视科技。0 动机