阅读时间：2019-01-04~2019-01-06
论文：002 Deep Cross-Domain Flying Object Classfication for Robust UAV Detection
主要思想及个人理解：AVSS会议下有一个Drone-vs-birds（鸟、无人机识别）比赛，本文是将003中UAV无人机识别扩展到“无人机+鸟+背景”识别，在003基础上构建专有数据集，方法实质上没有更多改变，同一个团队paper。
启发及说明：论文名（Cross-Domain跨域）要起好，各章节要配套。
论文：003 Flying Object Detection for Automatic UAV Recognition
主要思想及个人理解：业内将无人机识别问题转化为“运动目标检测+类别识别问题”，本文主要是为了比赛，在算法上没有太多创新，是将多个用于UAV detection的方法进行对比选优，主要包括背景差分方法（两帧差分、三帧差分、背景建模）、LACD（感觉类似于KNN算法，需要自学习一段数据）、object proposal（RPN方法）。最终在参赛的无人机识别系统中选择了（摄像头静止时）median image based detector + 基于CNN的classfication、（摄像头运动时）object proposal（RPN方法）+基于CNN的classfication。在ablation实验部分，讨论了背景差分方法阈值选取、LACD学习帧数、RPN中top-n proposals，旨在得到低漏警率和对齐好的bbox。基于CNN的classfication可以进一步修正false postive降低虚警率以及misalignment的位置修正。除此之外，还做了一些小改进，比如RPN中anchor的size等。
启发及说明：实质上论文所提方法都尝试过，但未构建专门数据集训练，当时在现实场景中的效果比较差。后一步可以瞄准个人所要展开的研究问题、研究方向、应用场景开展更细致的研究。origin画各种曲线图的本领要掌握。
