jiangqixing0728的博客

这项工作作为车道线检测任务，比较新颖的是检测头head。并不同于常规的基于bbox进行目标检测，这项工作采用的是检测关键点构造mask，输出形式类似instance segmentation。

这篇论文提出了 CornerNet，这是一种新的目标检测方法，可以将边界框检测变成检测成对的角点。论文主要的思想就是摒弃用anchor，也不用中心点，而是预测一个物体的左上角和右下角。不用中心点的原因是一个需要四条边的信息，相当于需要知道四个角点才能算出一个中心点，而左上角只需要知道一个物体最左边和最上边两个信息。具体来说，论文使用单个卷积神经网络来预测同一物体类别的所有实例的左上角和右下角的热力图，以及每个检测到的角点的嵌入向量。嵌入向量用于对属于同一目标的一对角点进行分组。

经常会在各种地方看到"auto augv1" ，那么这个auto aug是什么呢？

ICCV 2017的一篇文章。可变形卷积（DCN）的原理和实现。在目标检测领域应用广泛，在项目、课程设计、毕业设计、比赛中对许多数据集和许多目标检测算法（只要含卷积操作），都能有不错的提升，泛化性很强。

YOLOv6最新paper的解读

CV中目标检测领域里这几年大火的ATSS介绍

目标检测 PAA 一个anchor分配策略 2020 ECCV