【论文阅读+】SCRDet、SCRDet++ 论文代码相关学习

 参考学习的博客 

1. 【SCRDet++论文解读】 模型部分：特征提取 ResNet/FPN + 实例去噪 + 候选区域生成 RPN + 回归分类 RoI Warping_dear_jing的博客-CSDN博客_scrdet
2. 【SCRDet++代码调试】损失很低，但检测效果并不好的问题_dear_jing的博客-CSDN博客 
3. 【SCRDet++代码调试】windows下调试（重点是“编译 setup.py（rotate) tensorflow版”）_dear_jing的博客-CSDN博客 
   暂时没好好看，先不调试。

 代码学习相关​​​​​​【SCRDet++论文解读】 模型部分：特征提取 ResNet/FPN + 实例去噪 + 候选区域生成 RPN + 回归分类 RoI Warping_dear_jing的博客-CSDN博客_scrdet

 

 

前两个是膨胀系数不同的空洞卷积，最后一个对应1x1
26行dot_layer那里， sigmoid操作：要和原特征图相乘，如果这个相乘操作使得乘积后的值过大会导致梯度波动太大，所以用sigmoid把整体归一化。

 

 

 这个2是黑白，else是C+1

 这个If是在超参数那边设置

 后两部分暂时没看，因为和自己工作关系不是很大。

 待验证

【SCRDet++代码调试】损失很低，但检测效果并不好的问题_dear_jing的博客-CSDN博客

 

 【论文阅读】SCRDet：Towards More Robust Detection for Small, Cluttered and Rotated Objects_Clark-dj的博客-CSDN博客 再次学习

它的提出本来也是可以应用到自然数据集，目标解决的小而杂的问题。

创新点：

1. SF-Net(Finer Sampling and Feature Fusion Network)：特征融合、抽样改进。
2. MDA-Net( Multi-Dimensional Attention Network)

特征融合模块

 

后面有答案 

 

 

 

其他相关博客

https://blog.csdn.net/baixue0729/article/details/10097237 翻译相关

论文阅读---SCRDet---Towards More Robust Detection for Small, Clutteredand Rotated Objects_黑依的博客-CSDN博客 解读

[目标检测]论文翻译&代码理解-SCRDet: Towards More Robust Detection for Small, Cluttered and Rotated Objects_LukaMadrid的博客-CSDN博客 解读

旋转目标检测方法解读 （SCRDet, ICCV2019） - 知乎 作者解读

 旋转目标检测方法解读 （SCRDet, ICCV2019） - 知乎学习笔记

 

 关系：小目标大方向、遥感小方向、解决遥感图像里出现的小目标问题。“这在遥感图像中尤其突出”表达上这么一句话起了联系的作用。

 

 

 

 

 

 

 有个问题，就算创新点足够创新，如果mAP没上70的话也没有关系吗？（有关系）上面的感觉就是可能有一种情况，自认为是创新点部分可能不被审稿人认可。

其他有趣的东西

 qt获取图像的每个像素rgb_【可视化-1】认识图像，从图像可视化开始_weixin_39894914的博客-CSDN博客

01-利用Python实现多波段影像合成 - 知乎 感觉像是遥感另一个方向

Qt、GDAL遥感影像显示_杨发荷的博客-CSDN博客_gdal显示影像