一、检测+可行驶区域+车道线检测1、yolop（2021.08）参考：论文：https://arxiv.org/abs/2108.11250代码：https://github.com/hustvl/YOLOP训练：YOLOP 训练+测试+模型评估_Dora_blank的博客-CSDN博客2、DLT-Net（2019.12）DLT-Net: Joint Detection of Drivable A

摘要小目标检测长期以来是计算机视觉中的一个难点和研究热点。在深度学习的驱动下，小目标检测已取得了重大突破，并成功应用于国防安全、智能交通和工业自动化等领域。为了进一步促进小目标检测的发展，本文对小目标检测算法进行了全面的总结，并对已有算法进行了归类、分析和比较。首先，对小目标进行了定义，并概述小目标检测所面临的挑战。然后，重点阐述从数据增强、多尺度学习、上下文学习、生成对抗学习以及无锚机制等方面来

Fastpillars提出了一种简单但有效的Max-and-Attention pillar encoding（MAPE）模块。MAPE几乎无需额外的耗时（仅4ms）就能提高每个pillar特征的表示能力，能够提升小目标的检测精度；设计了一个紧凑的全卷积主干网络CRVNet，它具有竞争性的特征学习能力和推理速度，而不需要稀疏卷积。

摘要小目标检测长期以来是计算机视觉中的一个难点和研究热点。在深度学习的驱动下，小目标检测已取得了重大突破，并成功应用于国防安全、智能交通和工业自动化等领域。为了进一步促进小目标检测的发展，本文对小目标检测算法进行了全面的总结，并对已有算法进行了归类、分析和比较。首先，对小目标进行了定义，并概述小目标检测所面临的挑战。然后，重点阐述从数据增强、多尺度学习、上下文学习、生成对抗学习以及无锚机制等方面来

在官网下载了Python3.8.1版本通过pip安装Tensorflow2.1.0版本出现“ImportError: DLL load failed: 找不到指定的模块”错误。尝试了以下解决方法（1）网上搜索Python3.8.1没有匹配的TensorFlow版本，因此尝试降python版本。稳定的python版本为3.6，但官网无法下载。选择安装python3.7.7版本。（2）...

1、有监督：用有标签的数据训练；2、无监督：用无标签的数据训练；3、半监督：利用数据分布上的模型假设建立学习器对未标签样例进行标签。通常是两阶段的训练，先用（较小规模的）有标签数据训练一个Teacher模型，再用这个模型对（较大规模的）无标签数据预测伪标签，作为Student模型的训练数据；4、自监督：在无标注数据上训练，通过一些方法让模型学习到数据的inner representation，再接