← 全部笔记

与 ×× 重修旧好

与论文重修旧好

小目标检测阅读单、领域调研和论文汇报提纲。

原始笔记 2022–2024 修订于

文章目录

了解领域

以小目标检测为例，先整理定义、应用、挑战、解决思路、数据集和代表团队。比较性能时注明评价设置、会议或期刊以及年份。

让思维导图变成自己的

检索可以从 Small Object Detection 和 Tiny Object Detection 两个关键词开始。挑战按关系展开：目标信息少，容易受噪声干扰；标注困难，高质量标注也少。给每类解决思路补上代表论文，再选两三个数据集准备实验。

思维导图需要变成你的思维导图。 感兴趣的分支继续细化，列出尚未解决的问题，选一个具化。

找信息

从综述、Awesome 合集和技术解读找线索，再顺着原论文的引用和相关工作追溯。也可以从数据集出发，找代表论文，检查代码与算力要求。检索入口见 Polaris。

读引言时抓住 However 后面的转折：作者指出的是领域挑战，还是某类方法的局限？

可以先试着补全一句话：

针对什么问题，这篇工作通过什么方法，做了什么改进，从而得到什么效果。

论文论文

找论文

先找十篇左右，按时间顺序看。后出的论文会 diss 之前的论文，方便看清前作的局限和后续的改进。

下面是当时围绕小目标和航拍目标检测使用过的一份阅读单：

  1. Better to Follow, Follow to Be Better: Towards Precise Supervision of Feature Super-Resolution for Small Object Detection（ICCV 2019）
  2. Clustered Object Detection in Aerial Images（ICCV 2019）
  3. A Global-Local Self-Adaptive Network for Drone-View Object Detection（TIP 2021）
  4. RFLA: Gaussian Receptive Field Based Label Assignment for Tiny Object Detection（ECCV 2022）
  5. QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection（CVPR 2022）
  6. Oriented RepPoints for Aerial Object Detection（CVPR 2022）
  7. Interactive Multi-Class Tiny-Object Detection（CVPR 2022）
  8. Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection on Drone Images（CVPR 2023）

第一遍先找出每篇解决的问题，用自己的话概括，再决定是否精读。

看论文

读完一组后，比较哪篇理解最清楚、哪篇最模糊，最大的障碍是什么，哪种改进思路最有说服力。再找几篇相关方法检验自己的判断。

当时继续比较的材料还有 TinyDet: Accurate Small Object Detection in Lightweight Generic Detectors 和 Confidence-driven Bounding Box Localization for Small Object Detection。

讲论文

人的思维是网状的，论文是线性的。讲论文需要把脑子里的联系排成别人能跟上的顺序；说不清楚的地方，回到原文重新确认。

如何汇报论文

  1. 工作背景。 发表在哪，哪个团队做的，有没有连续的工作，放在怎样的研究脉络中理解。
  2. 任务和应用。 属于什么领域，在哪个数据集上做，解决它有什么意义，与听众有什么联系。
  3. 具体问题。 当前有什么挑战，这篇论文到底解决哪一个。问题讲清楚，大家才容易听懂后面的方法。
  4. 必要概念。 补充理解后文所需的基本知识和相关工作。
  5. 动机与方法。 为什么这样改，基于什么改，使用什么监督或约束。
  6. 评价与比较。 用什么标准衡量效果，与同设置下的方法相比怎么样。
  7. 实验证据。 哪个实验验证了哪个改进，是否真的回应了前面提出的问题。
  8. 自己的收获。 这个问题在自己的领域是否存在，方法的思路和实现能否借鉴，图表和文字的表达有没有值得学的地方。

提问与图表讲解见《论文分享中的几个问题》。

留下来的资料

附件保留当时版本。