本文是论文<LSTD: A Low-Shot Transfer Detector for Object Detection>的阅读笔记，该论文提出了小样本目标检测算法LSTD，结合了SSD和Faster R-CNN，且使用了迁移知识(TK)正则化和背景抑制(BD)正则化，取得了比较好的效果。
本文是论文<PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation>的阅读笔记，这篇论文提出了PointNet，是第一个可以对3D点云进行特征提取模型，进行分类和分割。
本文是论文<Past, Present, and Future of Simultaneous Localization And Mapping: Towards the Robust-Perception Age>的阅读笔记，该论文总结从各个方面详细的综述了SLAM的发展现状。
本文是论文<Regularization of Neural Networks using DropConnect>的阅读笔记，该论文提出了DropConnect，用于NN的正则化。
本文是论文<DropBlock: A regularization method for convolutional networks>的阅读笔记，该论文提出了DropBlock正则化方法，可以有效的应用卷积层。
本文是论文<Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression>的阅读笔记，该论文提出了Distance IoU loss（DIoU）和Complete IoU loss（CIoU）这两个用于目标检测的损失函数，并在此基础上提出了DIoU NMS算法。
本文是论文<Improving Object Detection With One Line of Code>的阅读笔记，该论文提出了Soft NMS方法。
本文是论文<M2Det: A Single-Shot Object Detector Based on Multi-Level Feature Pyramid Network>的阅读笔记，该论文提出了MLFPN，并与SSD结合组成了M2Det目标检测算法。MLFPN由FFM、TUM、SFAM三个模块组成。
本文是论文<Learning Spatial Fusion for Single-Shot Object Detection>的论文笔记，该论文提出了自适应空间特征融合( adaptively spatial feature fusion，ASFF)方法用于进行多尺度特征融合，并与YOLOv3结合提出YOLOv3-ASFF。
本文是论文<EfficientDet: Scalable and Efficient Object Detection>的阅读笔记，该论文提出了BiFPN多尺度特征融合方法，并在此基础上提出了EfficientDet目标检测网络。
