感知SOTA模型：

提示：整理了感知算法中性能优异的模型

1. 激光雷达目标检测(WXF)

1. SFD
   
   代码：https://github.com/LittlePey/SFD
   论文：https://xueshu.baidu.com/usercenter/paper/show?paperid=123q0xs0a3010an0qh1w0mn0xj564930

2. BtcDet
   
   代码：https://github.com/Xharlie/BtcDet
   论文：https://arxiv.org/pdf/2112.02205.pdf

3. SE-SSD
   
   代码：https://github.com/Vegeta2020/SE-SSD
   论文：https://arxiv.org/abs/2104.09804

4. Focals Conv
   

代码：https://github.com/dvlab-research/FocalsConv
论文：https://arxiv.org/abs/2204.12463

5. CLOCs
   
   代码：https://github.com/pangsu0613/CLOCs
   论文：https://arxiv.org/pdf/2009.00784.pdf

2.激光雷达语义分割（GNN)

1. SPVCNN++ ，SPVNAS
   

代码：https://github.com/mit-han-lab/spvnas
论文：https://arxiv.org/pdf/2007.16100.pdf

2. Cylinder3D++, Cylinder3D
   
   

代码：https://github.com/xinge008/Cylinder3D
论文：https://arxiv.org/pdf/2011.10033.pdf

3. JS3C-Net
   
   代码：https://github.com/yanx27/JS3C-Net
   论文：https://arxiv.org/abs/2012.03762

4. Vis-PolarNet、PolarNet
   
   代码：https://github.com/AbangLZU/PolarSeg.git
   https://github.com/edwardzhou130/PolarSeg
   论文：https://arxiv.org/abs/2003.14032

2. 视觉目标检测(PYL)

1. swin transformer v2
   coco数据集上的box-map（目标检测方面）是63.1。
   代码：https://github.com/microsoft/Swin-Transformer
   论文：https://arxiv.org/pdf/2111.09883v1.pdf

2. yolov5x6
   在coco数据集上的map是55.8。
   代码：https://github.com/ultralytics/yolov5/releases
   论文：暂无。

3. 视觉语义分割

4. 视觉车牌检测

5. 视觉姿态识别