柊泓迅的博客

论文题目： LW-DETR: A Transformer Replacement to YOLO for Real-Time Detection。

对应到目标检测，其实也是这种二分图匹配的问题，把a，b，c看成是100个预测的框，把x，y，z看作是ground truth的框，cost matrix可能是长方形，把预测框和真实框看成二分图的两个部分，使其准确度最高，得到最优匹配。如何去算loss呢？接下来就可以算真正的 目标函数，然后用这个loss去做梯度回传，去更新模型的参数了。而这种方法和之前的anchor box或者proposal的loss是差不多的，只不过之前的约束更弱，为一对多的框，而这里二分图问题则是一对一的框，从而解决了NMS的问题。

修改文件labelImg-master/data/predefined_classes.txtballmessitrophy。

Faster R-CNN，是由 R-CNN，Fast R-CNN，一步一步优化过来的。

等在Pascal VOC数据集中主要包含20个目标类别，下图展示了所有类别的名称以及所属超类。下载地址：打开链接后如下图所示，只用下载training/validation data (2GB tar file)文件即可。注意，train.txt、val.txt和trainval.txt文件里记录的是对应标注文件的索引，每一行对应一个索引信息，也就是图片名称。

针对这两个问题，论文从和两方面进一步提高YOLO模型的性能效率边界。在后处理方面，作者提出，模型架构方面， 引入了全面的。