YOLSO: You Only Look Small Object

按照李沐老师阅读论文的方法！！！

• （1）读abstract和introduction
• （2）读conclusion
• （3）看论文中model架构和实验结果图
• （4）再读剩下的
  重点： 一般读1，2，3如果你发现论文差不多看懂了，可以不用读下去了，但是如果你很感兴趣的话，可以再去读（4）这个部分，这里面有每个结构的详细介绍

作者是基于yolov3 为baseline的

改进的点：

• backbone中加入了HSSC module
• FPN中在每层特征图融合的地方加入额外的操作，作者起名为FPE，也就是Feature Pyramid Enhancement
• 在box坐标点回归的时候使用指数L1损失以及在class loss上使用focal loss

HSSC module

HSSC在Darknet block 残差边连接的时候使用的，详解如下图：

FPE module

FPE是在每层特征图cat后加入一些操作，因为FPN原来的融合可以认为是coarse fuse 加入一些操作可以认为是fine fuse，和我之前读的这篇论文里面的特征净化module很像！！！

实验结果

分别在两个小目标的数据集上面做的实验

版权声明：本文为CSDN博主「liiiiiiiiiiiiike」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_45074568/article/details/122241845