乄洛尘

开放词汇检测旨在检测那些未出现在预定词汇中的目标，类似的任务有视觉定位 Visual Grounding (VG)。然而当前的基础模型虽然在很多视觉语言任务上表现很好，但是在开放视觉定位 open-vocabulary visual grounding (OV-VG) 上还没有拿得出手的工作。

本文提出一个开放目标检测器 Grounding DINO，采用基于 Transformer 的 DINO 框架+预训练，能够检测任意输入类别或表达式对应的目标。开放目标检测的关键在于引入语言到一个闭集的检测器中，从而实现开放的概念泛化。于是本文提出将闭集的检测器划分为三个阶段并提出一种轻量化的融合方法，包含一个特征增强器，一个语言引导的 query 选择，一个跨模态的检测器用于跨模态融合。之前的工作主要评估模型在新类别上的性能，而本文也提出在指代表达式理解进行评估。

好久都没写论文相关的博客了，最近苦于调参。抽空看了一下这篇有新意的论文。将之前目标检测的通用范式：预测回归框的位置，变成直接预测目标的位置。论文框架简单，很管用。

趁热打铁，赶紧多看论文啊，开春正是学习的好机会~

开学归来，正式复工~  这是一篇多类别目标计数的文章，思路清晰，但公式表达的不是太好(有点云里雾里的)，暂未开源。

过年在家，工作时间减少了很多，玩的也很嗨，花零散时间读完了这篇论文及代码，抽空做个总结。该论文写的是多类别目标计数，思路稍显复杂，改进的空间应该蛮多的。

这是第二篇关于目标计数的文章，站在上一篇少样本计数的肩膀上，思路比较简单，重点在于模型的搭建，创新点也是比较足。

这是一篇关于目标计数的文章，5月份CVPR出来的时候看过了，这里总结一下，为下一篇做铺垫。代码试过了，比较管用。强推！

FCOS：Fully Convolutional One-Stage Object Detection 论文笔记一、Abstract二、引言三、相关工作1、Anchor-based Detectors2、Anchor-free Detectors四、方法4.1 Fully Convolutional OneStage Object Detector神经网络的输出部分：损失函数推理4.2 Multilevel Prediction with FPN for FCOS4.3 Centerness for FCO

LSnet：Location-Sensitive Visual Recognition with Cross-IOU Loss主要源码解读一、框架搭建二、网络主体解读1、extrace_features2、lsnet.py解读写在前面照例。每次写博文的时候来个介绍。LSnet是目标检测中基于anchor-free的检测方法。单单读论文并不能领悟其中一些特定的代码设计之巧妙。遂写下这篇博文以记之~论文链接：Location-Sensitive Visual Recognition with Cross-

目标检测+实例分割+姿态估计三合一：LSNet: Location-Sensitive Visual Recognition with Cross-IOU Loss论文笔记一、Abstract二、引言三、相关工作四、方法描述1、Location Sensitive Visual Recognition2、LSNet: A Unified Framework3、Cross IOU Loss4、Pyramid DCN五、实验1、Dataset and Evaluation Metrics2、Implementa