代码地址 https://github.com/akhilpm/dronedetectron2 摘要 密集裁剪是一种广泛使用的方法来改进这种小物体检测，其中以高分辨率提取和处理拥挤的小物体区域。然而，这通常是通过添加其他可学习的组件来实现的，从而使标准检测过程中的训练和推理变得复杂。本文中，我们提出了一种高效的级联放大（CZ ）检测器，该检测器将检测器本身重新用于密度引导的训练和推理

ProNet: Learning to propose object-specific Boxes for Cascaded Neural Networks 1.本篇的目的是在只给定图像级训练标注(image-level annotation)的情况下分类和定位目标(Classify and locate object)； 2.论文采用的是完全卷积网络的结构来同时进行分类和定位。完全卷积网

Abstract： 挑战：（1）人脸不同的姿态（2）光照（3）遮挡。 本文研究：提出了一种深度级联的多任务框架，利用框架之间的内在相关性来提高它们的性能。 框架：级联结构——三层深度卷积网络，以粗到细的方式预测人脸和地标位置。 策略：在线困难样本挖掘策略——自动提高算法的性能而不需要人工样本筛选。 优势：在人脸检测方面：以FDDB和WIDER FACE为基准。    在人脸对齐方面：以AFLW为

论文：Salience-Guided Cascaded Suppression Network for Person Re-identification 来源：CVPR 2020 论文地址 动机：当前在全局特征和局部特征上结和注意力机制作为最后的特征表示已经成为了一种潮流，但在某些情况下，reid可能取决于在不同情况下显著特征所掩盖的不容易被注意到的特征。也就是说网络在学习到显著特征时会忽略学习其

行人重识别阅读笔记之Salience-Guided Cascaded Suppression Network for Person Re-identification 介绍网络结构残差双重注意力模型Residual Dual Attention ModuleChannel-wise AttentionResidual Spatial Attention 非局部多阶段特征融合Non-local