EfficientNeuralArchitectureSearch(ENAS)，在搜索时对子网的参数进行共享，相对于NAS有超过1000x倍加速，单卡搜索不到半天，而且性能并没有降低，十分值得参考 来源：【晓飞的算法工程笔记

从实验来看，DDBNet达到了SOTA，整篇论文可圈可点，但里面的细节还需要等源码公开才知道 来源：晓飞的算法工程笔记

从实验来看，DDBNet达到了SOTA，整篇论文可圈可点，但里面的细节还需要等源码公开才知道 来源：晓飞的算法工程笔记

从实验结果来看，效果很不错来源：晓飞的算法工程笔记公众号论文:Trainingdata-efficientimagetransformers&distillationthro

从实验结果来看，论文提出的方法效果还是很不错的，值得一看来源：晓飞的算法工程笔记公众号论文:ContrastiveLearningbasedHyb

CornerNet借鉴人体姿态估计的方法，开创了目标检测领域的一个新框架，后面很多论文都基于CorerNet的研究拓展出新的角点目标检测 来源：晓飞的算法工程笔记公众号论文:CornerNet:DetectingObjectsasPairedKeypoints

不仅降低了搜索的复杂度，从原来的28天缩小到4天，而且搜索出来的结构具有扩展性，在小模型和大模型场景下都能使用更少的参数量和计算量来超越人类设计的模型，达到SOTA 来源：【晓飞的算法工程笔记】公众号论文

论文将核心放在搜索加速方面，基于NASNet，提出渐进式的PNAS搜索策略以及通过代理函数直接预测网络的准确率，极大地优化搜索逻辑，能够在搜索到相同性能的前提下，将搜索消耗降低21倍之多 来源：【晓飞的算法工程笔记

从实验结果来看，OREPA在各种任务上的准确率和效率都很不错 来源：晓飞的算法工程笔记公众号论文:OnlineConvolutionalRe-parameterization[图片上传失败...

方法来进行神经网络结构搜索，核心思想与之前的EAS方法类似，使用网络态射来生成一系列效果一致且继承权重的复杂子网，本文的网络态射更丰富，而且仅需要简单的爬山算法辅助就可以完成搜索，耗时0.5GPUday 来源：晓飞的算法工程笔记公众号论文

从实验结果来看，效果非常不错来源：晓飞的算法工程笔记公众号论文:ShouldAllProposalsbeTreatedEquallyinObjectDetection?[图片上传失败...

从实验结果来看，性能提升不错来源：晓飞的算法工程笔记公众号论文:NotAllImagesareWorth16x16Words:DynamicTransformersforEfficientImageRecognition

从实验结果来看，SwinTransormer在各视觉任务上都有很不错的准确率，而且性能也很高 来源：晓飞的算法工程笔记公众号论文:SwinTransformer:HierarchicalVisionTransformer

来源：晓飞的算法工程笔记公众号论文:DARTS:DifferentiableArchitectureSearch论文地址：https://

来源：晓飞的算法工程笔记公众号论文:SMASH:One-ShotModelArchitectureSearchthroughHyperNetworks论文地址：https://arxiv.org/abs

方法来进行神经网络结构搜索，核心思想与之前的EAS方法类似，使用网络态射来生成一系列效果一致且继承权重的复杂子网，本文的网络态射更丰富，而且仅需要简单的爬山算法辅助就可以完成搜索，耗时0.5GPUday 来源：晓飞的算法工程笔记公众号论文

，分析当前搜索方法的缺点，逐步增加创新性改进，FBNet结合了DNAS和资源约束，FBNetV2加入了channel和输入分辨率的搜索，FBNetV3则是使用准确率预测来进行快速的网络结构搜索 来源：晓飞的算法工程笔记公众号

论文基于NLP的注意力机制提出了目标关系模块，通过与其它目标的比对增强当前目标的特征，而且还可以代替NMS进行端到端的重复结果去除，思想十分新颖，效果也不错 来源：晓飞的算法工程笔记公众号论文:RelationNetworksforObjectDetection

从实验结果来看，CSG的稀疏性能够引导卷积核与类别的强关联，在卷积核层面产生高度类相关的特征表达，从而提升网络的性能以及可解释性 来源：晓飞的算法工程笔记公众号论文:TrainingInterpretableConvolutionalNeuralNetworksbyDifferentia

YOLOF在结构上没有很多花哨的结构，却在准确率、推理速度和收敛速度上都有不错的提升，相对于眼花缭乱的FPN魔改结构，十分值得学习来源：晓飞的算法工程笔记公众号论文:YouOnlyLookOne-levelFeature

通过Re-attention机制，在增加ViT深度时能够保持性能不断提高来源：晓飞的算法工程笔记公众号论文:DeepViT:TowardsDeeperVisionTransformer[图片上传失败..

ExtremeNet的检测方法十分独特，但是包含了较多的后处理方法，所以有很大的改进空间，感兴趣可以去看看论文实验中的错误分析部分 来源：晓飞的算法工程笔记公众号论文:Bottom-upObjectDetectionbyGroupingExtremeandCenterPoints

从物体检测和语义分割的实验可以看到，PVT在相同的参数数量下比CNN主干网络更强大来源：晓飞的算法工程笔记公众号论文:PyramidVisionTransformer:AVersati

基于论文提出的高性能网络设计和IEB、SGS训练策略，仅用1/2-1/4的计算量就能达到静态SOTA网络性能，实际加速也有1.62倍 来源：晓飞的算法工程笔记公众号论文:DynamicSlimmableNetwork

动态网络在加速推理这方面有很多研究，DGC(DynamicGroupConvolution)将动态网络的思想结合到分组卷积中，使得分组卷积在轻量化的同时能够加强表达能力，整体思路直接清晰，可作为网络设计时的一个不错的选择 来源：晓飞的算法工程笔记公众号论文

从实验结果来看，AABO能够仅通过anchor设置优化，为SOTA目标检测方法带来1.4%～2.4%的性能提升 来源：晓飞的算法工程笔记公众号论文:AABO:AdaptiveAnchorBoxOptimizationforObjectDetectionviaBayesianS

另外，HFF的多尺度特征融合方法也很值得借鉴 来源：晓飞的算法工程笔记公众号ESPNet论文:ESPNet:EfficientSpatialPyramidofDilatedConvolutionsforSemanti

 GFLV2基于GFLV1的bbox分布进行改进，将分布的统计信息融入到定位质量估计中，整体思想十分创新和完备，从实验结果来看，效果还是挺不错的来源：晓飞的算法工程笔记公众号论文:GeneralizedFocalLossV2

来源：晓飞的算法工程笔记公众号论文:SMASH:One-ShotModelArchitectureSearchthroughHyperNetworks论文地址：https://arxiv.org/abs

论文地址：https://arxiv.org/abs/2003.07540晓飞的算法工程笔记前景.经典RoI-based定位算法使用siblinghead(2-fc)对proposal同时进行分类和回归进行分类任务和定位任务的目标检测学习的主要障碍

AdaptiveTrainingSampleSelection)方法，该方法能够自动根据GT的相关统计特征选择合适的anchorbox作为正样本，在不带来额外计算量和参数的情况下，能够大幅提升模型的性能，十分有用来源：晓飞的算法工程笔记公众

在VOC和COCO上的小物体检测最大有5~6%mAP提升，在Tsinghua-Tencent100K上的小物体检测则最大有约9点F1提升 来源：晓飞的算法工程笔记公众号论文:BettertoFollow

另外论文提供了Retail50K数据集，能够很好地用于评估倾斜目标检测算法的性能来源：晓飞的算法工程笔记公众号论文:PIoULoss:TowardsAccurateOrientedObjectDetectioninComplex

Channel-wise卷积在channel维度上进行滑动，巧妙地解决卷积操作中输入输出的复杂全连接特性，但又不会像分组卷积那样死板，是个很不错的想法 来源：晓飞的算法工程笔记公众号论文:ChannelNets

目前，常规目标检测也有很多将回归转化为概率分布函数的做法，本文有异曲同工之妙，值得阅读来源：晓飞的算法工程笔记公众号论文:RethinkingRotatedObjectDetectionwithGaussianWassersteinDistanceLoss

此外，论文还提出了新的预测框精调操作，在回归特征图上直接精调预测框 来源：晓飞的算法工程笔记公众号论文:ADualWeightingLabelAssignmentSchemeforObjectDetecti

从实验效果来看性能提升挺高的，值得参考 来源：晓飞的算法工程笔记公众号论文:RevisitingResNets:ImprovedTrainingandScalingStrategies论文地址：https

从实验结果来看，CenterNet相对于CornerNet只增加了少量推理时延，但带来了将近5个点的AP提升 来源：晓飞的算法工程笔记公众号论文:CenterNet:KeypointTripletsforObjectDetection

目前看这篇文章没被举报有洗稿的嫌疑，所以就发出来了.来源：晓飞的算法工程笔记公众号论文:Involution:InvertingtheInherenceofConvolutionforVisualRecognition

论文提出DCNv2，不仅对DCNv1的结构进行了改进，还使用了有效的蒸馏学习策略，使得性能有很大的提升，各个方面都值得借鉴 来源：晓飞的算法工程笔记公众号论文:DeformableConvNetsv2:

这3篇论文看下来，感觉像是一本调参说明书，教你如何使用各种trick提高手上的目标检测网络的准确率 来源：晓飞的算法工程笔记公众号YOLOv1论文:YouOnlyLookOnce:Unified,Real-TimeObjectDetection

实验结果来看，细粒度动态detectionhead可以即插即提点来源：晓飞的算法工程笔记公众号论文:Fine-GrainedDynamicHeadforObjectDetection论文地址：h

通过实验发现，coordinateattention可有效地提升模型的准确率，而且仅带来少量的计算消耗，十分不错来源：晓飞的算法工程笔记公众号论文:CoordinateAttentionforEfficientMobileNetworkDesign

从实验结果来看，OREPA在各种任务上的准确率和效率都很不错 来源：晓飞的算法工程笔记公众号论文:OnlineConvolutionalRe-parameterization论文地址：https://a

从实验结果来看，OREPA在各种任务上的准确率和效率都很不错 来源：晓飞的算法工程笔记公众号论文:OnlineConvolutionalRe-parameterization论文地址：https://a

来源：晓飞的算法工程笔记公众号论文:RepVGG:MakingVGG-styleConvNetsGreatAgain论文地址：https

为此，论文提出了GIT生成模型，从数据集中学习到类无关的复杂变换，从而在训练时对小类进行有效增强，整体效果不错 来源：晓飞的算法工程笔记公众号论文:DoDeepNetworksTransferInvariancesAcrossClasses

基于论文提出的高性能网络设计和IEB、SGS训练策略，仅用1/2-1/4的计算量就能达到静态SOTA网络性能，实际加速也有1.62倍 来源：晓飞的算法工程笔记公众号论文:DynamicSlimmableNetwork

此外，论文还提出了新的预测框精调操作，在回归特征图上直接精调预测框 来源：晓飞的算法工程笔记公众号论文:ADualWeightingLabelAssignmentSchemeforObjectDetecti

论文提出的方案理论证明完备，应用起来十分简单，值得尝试来源：晓飞的算法工程笔记公众号论文:LearningwithFeature-DependentLabelNoise:AProgressiveApproach