Learning RoI Transformer for Oriented Object Detection in Aerial Images Introduction 由于遥感检测目标的任意性，有许多检测器会在设置anchor的时候加入旋转角的anchor，虽然这在一定程度上能够提升召回率，但是精度会下降除此之外还会增加计算成本。 而如果RPN单纯去预测水平候选区域的边界框，那么可能一个候选区域

Deformable Convolutional Networks Introduction 在视觉识别中如何让模型去适应大小，视角，姿态不同，或者部分形变的目标。目前主流的做法有两种： 但是上述两种方式又有各自的缺点： 然而CNN的这两个弱点全部都被占了。因此在本篇文章中，设计了两种模块来弥补这一缺点： Deformable Convolutional Networks Deformable C

Aggregated Residual Transformations for Deep Neural Networks Introduction 作者介绍了谷歌的Inception module的工作，指出该module是通过\\(1*1\\)的卷积将输入拆分出低维的嵌入，然后再通过特定的卷积核之后将得到的向量特征图拼接在一起。但是该模型有一个缺点，需要人为手动去设计每一层，较为繁琐。所以本篇文章提