DETR基于标准的Transorfmer结构，性能能够媲美Faster RCNN，而论文整体思想十分简洁，希望能像Faster RCNN为后续的很多研究提供了大致的思路   来源：晓飞的算法工程 ...

这篇文献的主要结构如下： 第1节，简单介绍目标检测的发展及两类目标检测算法。 第 2 节中讨论了骨干网络，目标检测器需要强大的骨干网络来提取丰富的特征。众所周知，特定领域图像检测器的典型管道是任务的基础和里程碑。 在第 3 节中，本文阐述了之前提出的最具代表性和开创性的基于深度学习 ...

论文：https://ieeexplore.ieee.org/document/9646959 代码：https://github.com/SUST-reynole/DESSN 1. 概述 目前应用于超高分辨率遥感影像变化检测的方法中依然存在两个主要的问题。一是它们要么忽略了双时相图 ...

论文提出增量式少样本目标检测算法ONCE，与主流的少样本目标检测算法不太一样，目前很多性能高的方法大都基于比对的方式进行有目标的检测，并且需要大量的数据进行模型训练再应用到新类中，要检测所有的类别则需要全部进行比对，十分耗时。而论文是增量式添加类别到模型，以常规的推理形式直接检测，十分高效 ...

论文基于DA Faster R-CNN系列提出类别正则化框架，充分利用多标签分类的弱定位能力以及图片级预测和实例级预测的类一致性，从实验结果来看，类该方法能够很好地提升DA Faster R-CNN系列的性能   来源：晓飞的算法工程笔记 公众号 论文: Exploring ...

重意味着严谨、繁琐，轻则意味着迅捷、零散。应当轻还是重？这是个问题 通过这次的阅读任务，我想从这两个方面谈软件工程的轻与重：开发流程模式 与 开发团队模式 开发流程模式的轻与重： Managing the development of large software systems ...

图像分类、目标检测、分割是计算机视觉领域的三大任务。 目标检测的基本思路：同时解决定位（localization） + 识别（Recognition）。 多任务学习，带有两个输出分支。一个分支用于做图像分类，即全连接+softmax判断目标类别，和单纯图像分类区别 ...

分类网络迁移过来，用作特征提取器（通过在OD数据集上进行微调，并且与后续的网络的共同训练，使得它提取出来的特征更适合OD任务），后续的网络负责从这些特征中，检测目标的位置和类别。那么，我们就将分类网络所在的环节称之为“Backbone”，后续连接的网络层称之为“Detection head ...