这是一篇百度提出的一篇基于center的目标检测方法PAFNet，基于TTFNet，并且加入多个tricks提高效率。并且实现也是基于PaddlePaddle框架的。

主要贡献：1.提供一个包含500种平衡类的大尺度视频数据集FSVOD-500用于小样本视频目标检测学习。2.提出了一个新颖的Tube Proposal Network（TPN）来生成高质量的视频tube proposal为视频目标获得聚合的特征表示。3.一种改进策略的时间匹配网络(TMN+)来匹配具有代表性的query tube特征，并具有更好的识别能力。 其中TPN和TMN+联合进行端到端训练。

对于视频显著性目标检测（VSOD），需要充分利用时空信息，大多数已存在的方法都是利用简单的融合技术组合不同域的信息，如此融合未能充分利用从多尺度的特征中提取的时空信息。本文作者提出了一个自适应的局部-全局优化框架充分探索多尺度特征。同时利用基于GCN的自适应赋权机制进行有效和无效信息的控制。

FPN目前的问题越来越被发现，目前基于FPN的方法由于通道减少内在缺陷导致语义信息的丢失。作者提出一个新颖的通道增强金字塔模型（CE-FPN）和三个简单有效的模型解决这个问题。一个子像素级别跳跃融合方法进行增强和上采样操作，而非直接使用1X1卷积。一个子像素级别的上下文增强模型提取更多的特征表示。一个通道注意力来指导模型进组最后的优化融合特征。

证明FPN的成功是得益于分而治之的策略，并非多尺度特征融合，融合带来的提升远不止带来的计算力收益高。相对的提出了代替方案YOLOF，只需要一层特征图，速度更快，且精度与FPN相匹配。

目标检测中，若没有实时的要求，那么如何尽可能的提高最终预测的精度呢。改论文提出了一个新颖的组合目标检测模型的预测的方法。带权重的边界框融合（Weighted boxes fusion），利用所有可能边界框的置信度得分来构建一个平均边界框。

Faster RCNN作为当前广泛使用的一种检测方法，其必定存在很有多点，当然也会有一些不足之处，在这里对这些优缺点进行一点讨论，并且提一些相关的改进的方法。

该方法提出了一个检测的新的pipeline,利用transformer机制无需提供锚等先验知识以及后续的类似于NMS的后处理操作，简化了目标检测步骤。

提出新的损失函数来解决单阶段检测的类不平衡问题。

以点为代表目标的网络，高效，快速。