DOCLAYOUT-YOLO: ENHANCING DOCUMENT LAY-OUT ANALYSIS THROUGH DIVERSE SYNTHETIC DATA AND GLOBAL-TO-LOCAL ADAPTIVE PERCEPTION（DOCLAYOUT-YOLO：通过多样化的数据和全局到局部的自适应感知增强文档布局分析）
DIVERSE DOCSYNTH-300K DATASET CONSTRUCTION
A部分
A1代表一个小的文本数据集，从这里面去分割文本，获取组件。
实际上作者是从图中的A2开始的，需要一个不同分类的文本组件数据集，比如说广告、二维码、文本、表格，所谓的组件实际上就是图片。
A3：去便利所有组件的文档，数据小于阈值的进行数据增加，从原有的组件取出图片进行随机加噪，随机对比度等等操作，再放回去充当新数据。
B部分
算法描述：
- 取99%的大组件和1%的小组件作为候选集。
- 从候选组件中随机选取，生成组件在空白页中中心点的随机坐标（左不小于w，右不大于1-w）。
- 根据中心坐标计算组件的左上、右下坐标[x1,x2],[y1,y2]，做两次笛卡尔积，随意组合准备添加的网格坐标[(x1,y1),(x2,y2)]。
- 过滤掉无效的网格坐标(x1>x2,y1>y2)(原有的网格，准备添加的网格计算iou)。
- 遍历候选组件，遍历网格，选取填充率最高的填充。
GLOBAL-TO-LOCAL MODEL ARCHITECTURE
Baseline
YOLOV10
修改了Baseline哪些部分
CONTROLLABLE RECEPTIVE MODULE
可控是指有一个超参数：use_dilated TRUE OR FALSE
流程：
3 x 3 卷积
会有一个d列表，代表膨胀率（不同膨胀率会对卷积核进行不同程度的插值）。会对传进来的特征进行dn次卷积。得到的F1,F2……Fn，存储到列表中，然后concat得到F^，F^经过1 x 1卷积和sigmoid得到不同特征的权重M，M * F^。
3 x 3 卷积
GLOBAL-TO-LOCAL DESIGN
-
Global-level（第四层，参数：[256, True, True, [1,2,3], 5, “glu”]）
浅层使用大核
-
Block-level（第六层，参数：[512, True, True, [1,3,5], 3, “glu”]）
中间阶段使用较小核
-
Local-level（第八层，参数：[1024, True, False]）
对于深层直接CSP
