CVPR2022-QueryDet

1.动机：小目标检测困难，常见做法是用高分辨率的图像去进行检测，但是成本很高。

2.思想：先用低分辨率的图片预测到小目标的粗定位；用这些粗位置稀疏引导的高分辨率特征计算出准确的预测结果。

3.pipeline

4.做法

QueryDet提出了Cascade Sparse Query（CSQ）机制，其中Query代表使用前一层（higher-level feature with lower resolution）中传递过来的query来指导本层的小目标检测，再预测出本层的query进一步传递给下一层，对下一层的小目标检测进行指导，Cascade传递了这种级联的思想。Sparse表示通过使用sparse convolution（稀疏卷积）来显著减少low-level特征层上检测头的计算开销。

通过CSQ机制，利用高层低分辨率特征初筛含有小目标的区域，在高分辨特征层上利用初筛获得的位置，使用sparse convolution，极大地节约了计算消耗。