本文是论文<UPSNet: A Unified Panoptic Segmentation Network>的阅读笔记，该论文提出了全景分割模型UPSNet，使用ResNet-FPN作为backbone，采用Mask R-CNN作为实例分割网络，FPN+可变形卷积作为语义分割网络，通过启发式算法设计全景分割头，最终的得到一个端到端的全景分割模型。在Cityscape、COCO数据集上达到SOTA。
本文是论文<YOLO9000:Better, Faster, Stronger>的阅读笔记，该论文提出了分类模型Darknet-19，基于YOLOv1提出目标检测模型YOLOv2，YOLO9000。YOLOv2比Faster R-CNN、SSD精度差不多，但是速度更快。YOLO9000可以检测超过9000类目标。
本文是论文<YOLOv3: An Incremental Improvement>的阅读笔记，该论文在YOLOv2的基础上提出YOLOv3，做了一些小改动，还提出了新的backbone网络：Darknet-53。YOLOv3的速度很快，而且其AP50精度几乎达到SOTA。
本文通过深度图构建一个点云地图，然后使用cloud_to_map功能包，将其转换为可用于导航的二维栅格地图。
本文首先介绍了ROS中导航地图的数据类型：OccupancyGrid，然后总结了map_server功能包的用法．最后编写一个OccupancyGrid发布节点，该节点读取地图数据文件，然后发布主题和服务，可以通过rviz查看地图．
本文介绍了ROS中机器人导航的基础知识和实例。首先给出了导航常用到的数据类型、坐标系、主题，然后介绍了主要用到的功能包：move_base、amcl、fake_localization，最后介绍了如何在Gazebo中进行激光导航仿真的实例。
本文是论文<YOLACT: Real-time Instance Segmentation>的论文笔记，该论文提出了YOLACT，一个实时的实例分割模型。YOLACT将实例分割分成两个分枝：prototype和mask coefficient预测，可以在TitanXp上以33.5fps的速度达到29.8mAP。本文还提出了Fast NMS。
