idea讨论

1、现有的域适配方法都针对源域和目标域目标类别一致，是否可以研究类别不同时怎么迁移，和小样本目标检测有什么区别和联系？

2、如何挖掘红外图像的特点来设计有针对性的目标检测方法和与适配方法？

3、无锚目标检测器多是全卷积网络，适配无锚目标检测器时和语义模型的联系和区别？

4、光照对3D目标检测的影响，尤其是暗光下的人脸？

5、如何定义和设置强化学习的域适配？

6、能不能提出理论基础来统一目标检测的域适配？

7、纹理信息对目标检测器性能的影响？

8、如何定义和表征强化学习的适配？

9、如何集合算法从传感器端解决有雾图像的目标检测？

10、结合传感器和成像原理研究有雾场景下的目标检测？

11、记忆网络除了异常检测外，哪些领域还有用处？

12、如何定义、表征、设计网络结构和损失来解决多视角的目标检测？

13、Transformer的3D目标跟踪器

14、基于角点的3D目标跟踪器

15、采用GAN适配效果好，还是采用GRL适配效果好？

16、短视频高光检测的探索

17、社交媒体的文字、视频、图片等多元信息融合的探索