目标检测是计算机视觉中的经典问题之一，而图神经网络是目前较热的研究方向，两者是否有一些结合的思考呢？下面给大家介绍6篇有价值的目标检测论文，希望对大家的研究和工作有所帮助~
凭借大量可用数据、更快的 GPU 和更好的算法，现在我们可以轻松训练计算机以高精度检测出图像中的多个对象。
本文就为大家推荐其中 6 篇有价值的目标检测论文。
目标检测论文推荐
2021
01
推荐理由：文章回顾了400多篇关于目标检测的论文，涵盖目标检测近20年的发展。
本文涵盖了许多主题，包括历史上的里程碑检测器、检测数据集、度量、检测系统的基本构建模块、加速技术和最新的技术检测方法。
02
推荐理由：这篇论文作者提出一种简单而高效的通过解耦特征进行目标检测的蒸馏方法。
03
推荐理由：这篇论文为第一篇基于深度学习的无监督跨域目标检测论文，该文章对Faster R-CNN的图像级和实例级特征同时作对抗域自适应。
04
推荐理由：这篇论文针对[01]存在过度适配图像特征的问题，提出了一种弱图像级特征对齐范式，同时在底层特征上做强对齐，整体称作强-弱特征对齐。
05
推荐理由：这篇论文主要动机是无监督跨域目标检测是一种局部特征对齐，而非传统的全局特征对齐。基于此，他们利用Faster R-CNN的proposals来对源域和目标域实例级特征作选择性对齐。
06
推荐理由：这篇文章提出了一种多层对抗网络用于适配双阶段检测器，所提出的网络主要包含两部分，分层域特征对齐和聚合的proposal特征对齐。
那么这些目标检测的论文怎样才能又好又快地吃透呢？
无非三个步骤：泛读、精读、代码复现。
