本文内容持续更新，敬请关注~
开源模型
1、FPN被应用于Faster R-CNN、RetinaNet等检测器中，改善了不同尺度目标的检测性能。
https://arxiv.org/abs/1506.01497
https://github.com/ShaoqingRen/faster_rcnn
2、SRCNN（Super-Resolution Convolutional Neural Network） 是一个典型的超分辨率网络，通过在检测之前对图像进行超分辨率处理，提高了对低分辨率图像中的小目标的识别能力。
https://arxiv.org/abs/1501.00092
https://github.com/fuyongXu/SRCNN_Pytorch_1.0
https://github.com/tegg89/SRCNN-Tensorflow
3、YOLO-S，一个轻量级的类YOLO网络，专为小目标检测设计。https://www.mdpi.com/1424-8220/23/4/1865
https://github.com/hustvl/YOLOS
只有论文
1、STO-DETR，基于transformer的专门针对小目标设计的，STO即Small Target Object，自己改 https://github.com/facebookresearch/detr
https://link.springer.com/chapter/10.1007/978-981-97-2977-7_48
2、SCAResNet，专门为小目标检测设计的ResNet变体，貌似有人改好了 https://github.com/LisavilaLee/SCAResNet_mmdet
https://arxiv.org/abs/2404.04179
3、Inside-Outside Net（ION） 是一种经典的上下文信息编码网络。ION通过将目标内外的上下文信息结合，改善了小目标检测效果
https://ieeexplore.ieee.org/document/7780683
4、FA-SSD，将上下文信息和注意力加入SSD
https://arxiv.org/pdf/1912.06319
只改模块
1、SPDConv， 2023用于低分辨率图像和小物体的新CNN模块
https://arxiv.org/abs/2208.03641
https://github.com/LabSAINT/SPD-Conv
标签：github,检测,模型,arxiv,abs,https,org,视觉,com From： https://blog.csdn.net/Q_w7742/article/details/142620404