- 事件相机作为区域提议网络
本研究使用事件相机作为 Mask-RCNN 的 RPN，提出了一种更快、更经济的移动对象检测方法，可在计算时间上节省很多。
- 3D-SiamRPN: 基于原始点云的实时 3D 单目标跟踪的端到端学习方法
本文提出了一种基于 3D 点云数据的 3D-SiamRPN 网络方法，利用两个子网络的特征嵌入子网络和区域建议网络进行单目标跟踪，该方法在 KITTI 数据集和 H3D 数据集上展现出优秀的性能和泛化能力，还能实现实时追踪。
- 概率两阶段检测
该研究提出了一种概率解释的两阶段物体检测方法，从而建立了一个比两阶段检测器更快更准确的概率两阶段检测器，并通过 C OC O 测试数据验证其性能优越性。
- 合作式 RPN 改进少样本物体检测
使用多个不同但相互协作的区域建议网络，可以提高在非常少量训练数据的情况下学习检测图像中对象的准确性。
- ECCV领域自适应物体检测中 region proposal 与分类协同训练
本文研究领域自适应目标检测中的区域建议网络 (RPN) 和分类器 (RPC)，发现了二者在面对大型区域差异时的显著差异，通过最小最大优化及使用低置信度样本差异计算，提出了一种互相指导训练，并在多种场景下验证了其有效性的方法。
- ECCV自然图像中基于草图引导的物体定位
本文提出了一个用手绘素描进行物体检测的解决方案，通过提出跨模态注意机制，引导区域建议网络生成物体建议，从而在基于快速绘图的查询中定位物体，且方法鲁棒性强，且适用于多个物体实例的定位。
- ECCV用于快速目标检测搜索及更多领域的表示共享
针对一阶段物体检测器需要直接捕捉未知大小物体的需求，我们提出了一种极其高效的神经架构搜索方法 FAD，用于更好地探索子网络中的感受野和卷积类型的最佳配置，并使用 Representation Sharing 算法来有效地识别定义转换的最佳组 - 使用区域建议网络的说话人分离
本文提出了一种新颖的基于区域提议网络的说话人分离方法，该方法使用神经网络同时生成重叠语音分段建议并计算其说话人嵌入，可以更好地解决重叠语音的问题，并且在三个数据集上的实验结果表明，与现有的 x-vector 模型相比，该模型实现了显著的改进 - IoU-uniform R-CNN：突破 RPN 的限制
本论文提出了一种名为 IoU-Uniform R-CNN 的简单而有效的方法，该方法直接生成具有均匀 IoU 分布的训练样本，为回归分支和 IoU 预测分支提供支持，并通过消除推断时 RoIs 的特征偏移来改善 IoU 预测分支的性能。大量 - 局部 3D 物体检测中的路径精化
Patch Refinement 是一种两阶段的模型，用于从点云数据准确地检测和定位 3D 对象。根据 RPN 提出的 BEV 位置，它提取小的点云子集 ("patches")，然后通过 LRN 进行处理。在 KITTI 3D 对象检测基准 - 高效的鸟瞰视角三维孪生跟踪提议
本文提出一种使用 LIDAR 点云的 Bird Eye View 结构来实现车辆跟踪的方法，该方法结合使用高效的区域提议网络和 3D Siamese 网络来生成和筛选 3D 物体候选项，并且通过端到端训练的方法，使车辆跟踪的成功率和精度分别 - 带自回归网络阶段的行人检测
本研究提出了一种利用级联阶段设计的自回归行人检测框架，其中采用了轻量级堆叠式解码器 - 编码器模块，使用卷积重采样层来提高特征，并保持高效的内存和运行时成本。此框架在区域提议网络中设计，相较于独立处理的 RoI 系统，保留了更大的附近检测范 - AAAIDeRPN：迈向更普适物体检测的更进一步
本文介绍一种新的维度分解区域提议网络 (DeRPN)，采用 anchor string 机制独立匹配物体的宽度和高度，适用于不同形状物体，针对不同比例物体的不平衡损失计算，设计了新颖的尺度敏感损失函数。在多个数据集测试中，DeRPN 相较传 - ECCVFaster R-CNN 在行人检测方面表现良好吗？
本文提出了采用 RPN 和 boosted forests 结合进行行人检测的方法，在多个基准数据集上得到不错的检测精度和速度，并开放了源代码。
- ECCV深度图像检索：学习全局图像表示以用于图像搜索
本文提出了一种新方法进行实例级别的图像检索，通过聚合多个基于区域的描述符为每个图像生成全局紧凑的固定长度表示，该方法基于一个特定图像检索任务训练的深度架构，利用排序框架来学习卷积和投影权重，并采用区域建议网络来学习应汇集哪些区域以形成最终的 - Faster R-CNN: 基于区域建议网络实现实时目标检测
本文提出一种完全卷积的区域提议网络（RPN），在同时预测目标边界和目标特征分数的同时，使用完全图像卷积特征共享检测网络的特征。