The Blog of Star Rain

对论文 Oriented RepPoints for Aerial Object Detection (CVPR 2022) 的阅读整理。

在一个实数向量空间 $\mathcal{V}$ 中，对于给定集合 $X$，所有包含 $X$ 的凸集的交集 $S$ 被称为 $X$ 的凸包。$X$ 的凸包可以用 $X$ 内所有点 $(x_1,x_2,...,x_n)$ 的线性组合来构造。在二维欧氏空间中，凸包可以想象为一条刚好包括所有点的橡皮圈。

以不严谨的语言来描述，给定二维平面上的点集，凸包就是将最外层的点连接起来构成的凸多边形，它能包含点集中的所有点。如图-1，假设平面共有 $p_0 \sim p_{12}$ 共 13 个点，过某些点作一个多边形，使这个多边形能把所有点都“包”起来。当这个多边形是凸多边形的时候，就叫它“凸包”。

可变形卷积网络（DCN）和 RepPoints 的介绍，结合网络计算整理总结。

计算机视觉，尤其目标检测相关算法中，anchor 的介绍与用途。

本文结合网络资源对深度学习中常用的几种损失函数进行总结整理。

本文是关于 RetinaNet 相关网络资料的整理。

对论文 QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection (CVPR, 2022) 的阅读整理。

对论文 RangeNet++: Fast and Accurate LiDAR Semantic Segmentation (IROS, 2019) 的阅读整理。

本文是关于 Region Proposal Network 相关网络资料的整理。

关于上采样和下采样的理论整理。