Анализ страницы https://hustvl.github.io/research
Основное Готовность: 75%
Домен
hustvl.github.io
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
Длина домена велика. Но если вы продвигаете запрос, входящий в название домена, то это хорошо.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Цепочка редиректов:
https://hustvl.github.io/research
301 MovedPermanently
https://hustvl.github.io/research/
200 OK
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 09.01.2027 2:59:59.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en.
Скорость загрузки
~0,45сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,45сек оптимальна.
Объем документа
252Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 252Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 59
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 59 много для одной страницы. Приемлемо до 10. Проведите оптимизацию файлов ресурсов!
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | https://fonts.googleapis.com/css2?display=swap&&family=Noto+Sans:ital,wght@0,200;0,400;0,500;0,600;1,200;1,400;1,500;1,600&family=Roboto+Mono:ital,wght@0,200;0,400;0,500;0,600;1,200;1,400;1,500;1,600 | |
| stylesheet | https://use.fontawesome.com/releases/v6.7.0/css/all.css | |
| stylesheet | https://use.fontawesome.com/releases/v6.7.0/css/all.css | |
| stylesheet | https://cdn.jsdelivr.net/gh/StylishThemes/Syntax-Themes/pygments/css-github/pygments-tomorrow-night-eighties.css | |
| stylesheet | /_styles/-theme.css | |
| stylesheet | /_styles/alert.css | |
| stylesheet | /_styles/all.css | |
| stylesheet | /_styles/anchor.css | |
| stylesheet | /_styles/background.css | |
| stylesheet | /_styles/body.css | |
| stylesheet | /_styles/bold.css | |
| stylesheet | /_styles/button.css | |
| stylesheet | /_styles/card.css | |
| stylesheet | /_styles/checkbox.css | |
| stylesheet | /_styles/citation.css | |
| stylesheet | /_styles/code.css | |
| stylesheet | /_styles/cols.css | |
| stylesheet | /_styles/dark-toggle.css | |
| stylesheet | /_styles/details.css | |
| stylesheet | /_styles/feature.css | |
| stylesheet | /_styles/figure.css | |
| stylesheet | /_styles/float.css | |
| stylesheet | /_styles/font.css | |
| stylesheet | /_styles/footer.css | |
| stylesheet | /_styles/form.css | |
| stylesheet | /_styles/grid.css | |
| stylesheet | /_styles/header.css | |
| stylesheet | /_styles/heading.css | |
| stylesheet | /_styles/highlight.css | |
| stylesheet | /_styles/icon.css | |
| stylesheet | /_styles/image.css | |
| stylesheet | /_styles/link.css | |
| stylesheet | /_styles/list.css | |
| stylesheet | /_styles/main.css | |
| stylesheet | /_styles/paragraph.css | |
| stylesheet | /_styles/portrait.css | |
| stylesheet | /_styles/post-excerpt.css | |
| stylesheet | /_styles/post-info.css | |
| stylesheet | /_styles/post-nav.css | |
| stylesheet | /_styles/quote.css | |
| stylesheet | /_styles/rule.css | |
| stylesheet | /_styles/search-box.css | |
| stylesheet | /_styles/search-info.css | |
| stylesheet | /_styles/section.css | |
| stylesheet | /_styles/table.css | |
| stylesheet | /_styles/tags.css | |
| stylesheet | /_styles/textbox.css | |
| stylesheet | /_styles/tooltip.css | |
| stylesheet | /_styles/util.css | |
| js | https://unpkg.com/@popperjs/core@2 | |
| js | https://unpkg.com/tippy.js@6 | |
| js | https://unpkg.com/mark.js@8 | |
| js | /_scripts/anchors.js | |
| js | /_scripts/dark-mode.js | |
| js | /_scripts/fetch-tags.js | |
| js | /_scripts/search.js | |
| js | /_scripts/site-search.js | |
| js | /_scripts/table-wrap.js | |
| js | /_scripts/tooltip.js |
Серверные заголовки
Кол-во: 18
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 18шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| Strict-Transport-Security | max-age=31556952 |
| ETag | "68ea2228-3f5c5" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | E8F2:376FA0:2D7D73:30FBCD:6A89F937 |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Date | Sat, 22 Aug 2026 19:32:07 GMT |
| Via | 1.1 varnish |
| Age | 0 |
| X-Served-By | cache-bma-essb1270078-BMA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787427127.448175,VS0,VE122 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 74931c5bf52afc94e0df9760a748c320e5cefee0 |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
GitHub.com
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 48%
Title
Research | HUST Vision Lab
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение: 26, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
at Huazhong University of Science and Technology. The Vision Lab led by Professor Xinggang Wang based at the Artificial Intelligence Institute, School of Electronic Information and Communications, Huazhong University of Science and Technology (HUST).
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Необходимо уменьшить число символов в description (текущее значение: 250, оптимально: от 120 до 130)
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Кол-во: 7
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph задана. Страница оптимизирована под социальные сети.
Показать полный список og мета-тегов
| Тип | Значение |
|---|---|
| og:title | Research |
| og:site_title | HUST Vision Lab |
| og:description | at Huazhong University of Science and Technology. The Vision Lab led by Professor Xinggang Wang based at the Artificial Intelligence Institute, School of Electronic Information and Communications, Huazhong University of Science and Technology (HUST). |
| og:url | https://hustvl.github.io |
| og:image | |
| og:locale | en_US |
| og:type | website |
Все мета-теги
Кол-во: 15
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 15шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | viewport | width=device-width, initial-scale=1 |
| name | title | Research |
| name | description | at Huazhong University of Science and Technology. The Vision Lab led by Professor Xinggang Wang based at the Artificial Intelligence Institute, School of Electronic Information and Communications, Huazhong University of Science and Technology (HUST). |
| property | og:title | Research |
| property | og:site_title | HUST Vision Lab |
| property | og:description | at Huazhong University of Science and Technology. The Vision Lab led by Professor Xinggang Wang based at the Artificial Intelligence Institute, School of Electronic Information and Communications, Huazhong University of Science and Technology (HUST). |
| property | og:url | https://hustvl.github.io |
| property | og:image | |
| property | og:locale | en_US |
| property | twitter:title | Research |
| property | twitter:description | at Huazhong University of Science and Technology. The Vision Lab led by Professor Xinggang Wang based at the Artificial Intelligence Institute, School of Electronic Information and Communications, Huazhong University of Science and Technology (HUST). |
| property | twitter:url | https://hustvl.github.io |
| property | twitter:card | summary_large_image |
| property | twitter:image | |
| property | og:type | website |
Оптимизация Готовность: 77%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют по одному на документ).
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Абзацев с текстом 1 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Слова из title 5 встречаются в тексте достаточно.
Среднее число слов в абзаце 26 достаточно.
Кол-во знаков контента 41033 на странице оптимально.
Кол-во слов 6150 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 1. Это прекрасно.
На странице присутствуют заголовки <h2> 2. Это хорошо.
На странице присутствуют заголовки <h3> 16.
Тошнота
14,18
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
18,89%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| xinggang | 201 | 3,27% |
| learning | 48 | 0,78% |
| preprint | 46 | 0,75% |
| detection | 33 | 0,54% |
| segmentation | 33 | 0,54% |
| object | 31 | 0,50% |
| recognition | 28 | 0,46% |
| network | 24 | 0,39% |
| jiemin | 22 | 0,36% |
| instance | 21 | 0,34% |
| tianheng | 19 | 0,31% |
| representation | 18 | 0,29% |
| shaoyu | 17 | 0,28% |
| classification | 17 | 0,28% |
| vision | 14 | 0,23% |
| tracking | 14 | 0,23% |
| neural | 14 | 0,23% |
| visual | 13 | 0,21% |
| information | 13 | 0,21% |
| zilong | 13 | 0,21% |
Индексация Готовность: 40%
Индексирование
Есть ошибки
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 434 слишком много. Проведите ревизию и оптимизацию ссылок сайта.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Robots.txt настроен корректно. Размер файла: 46 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
Sitemap: https://hustvl.github.io/sitemap.xml
Sitemap
Кол-во: 1
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt содержит карту сайта. Это прекрасно!
Robots.txt не содержит ошибок в карте сайта.
Показать карту сайта
| Url | Статус |
|---|---|
| https://hustvl.github.io/sitemap.xml |
|
Внутренние ссылки
Кол-во: 4
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 4 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
На странице присутствуют изображения 1.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| /research/ |
Research
|
|
| /projects/ |
Projects
|
|
| /group/ |
Group
|
|
| /about/ |
About
|
|
Внешние ссылки
Кол-во: 224
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 224 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| scholar.google.com |
Google Scholar
|
| dblp.org |
DBLP
|
| orcid.org |
0000-0001-6732-7823
|
| paperswithcode.com |
Paper With Code
|
| arxiv.org |
arXiv
|
| github.com |
Github
|
| arxiv.org |
<b>Vision Mamba: Efficient Visual Representation Learning with Bidirectional State Space Model</b>
|
| github.com |
<i class="icon fa-solid fa-code"></i>
<span>Code</span>
|
| github.com |
<i class="icon fa-solid fa-globe"></i>
<span>Project Page</span>
|
| arxiv.org |
<b>YOLO-World: Real-Time Open-Vocabulary Object Detection</b>
|
| arxiv.org |
<b>4D Gaussian Splatting for Real-Time Dynamic Scene Rendering</b>
|
| github.com |
<i class="icon fa-solid fa-code"></i>
<span>Code</span>
|
| guanjunwu.github.io |
<i class="icon fa-solid fa-globe"></i>
<span>Project Page</span>
|
| arxiv.org |
<b>Gaussiandreamer: Fast Generation from Text to 3D Gaussian Splatting with Point Cloud Priors</b>
|
| arxiv.org |
<b>Symphonize 3D Semantic Scene Completion with Contextual Instance Queries</b>
|
| github.com |
<i class="icon fa-solid fa-code"></i>
<span>Code</span>
|
| arxiv.org |
<b>VADv2: End-to-End Vectorized Autonomous Driving via Probabilistic Planning</b>
|
| arxiv.org |
<b>Vision Mamba: Efficient Visual Representation Learning with Bidirectional State Space Model</b>
|
| github.com |
<i class="icon fa-solid fa-code"></i>
<span>Code</span>
|
| github.com |
<i class="icon fa-solid fa-globe"></i>
<span>Project Page</span>
|
| sciencedirect.com |
<b>ViTMatte: Boosting image matting with pre-trained plain vision transformers</b>
|
| arxiv.org |
<b>Judgelm: Fine-tuned large language models are scalable judges</b>
|
| arxiv.org |
<b>Fast High Dynamic Range Radiance Fields for Dynamic Scenes</b>
|
| github.com |
<i class="icon fa-solid fa-code"></i>
<span>Code</span>
|
| guanjunwu.github.io |
<i class="icon fa-solid fa-globe"></i>
<span>Project Page</span>
|
| arxiv.org |
<b>TiAVox: Time-aware Attenuation Voxels for Sparse-view 4D DSA Reconstruction</b>
|
| arxiv.org |
<b>Touchstone: Evaluating vision-language models by language models</b>
|
| arxiv.org |
<b>Maptrv2: An end-to-end framework for online vectorized hd map construction</b>
|
| arxiv.org |
<b>SparseTrack: Multi-Object Tracking by Performing Scene Decomposition based on Pseudo-Depth</b>
|
| arxiv.org |
<b>Multi-level Multiple Instance Learning with Transformer for Whole Slide Image Classification</b>
|
| arxiv.org |
<b>Matte Anything: Interactive Natural Image Matting with Segment Anything Models</b>
|
| arxiv.org |
<b>GaitGS: Temporal Feature Learning in Granularity and Span Dimension for Gait Recognition</b>
|
| arxiv.org |
<b>ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities</b>
|
| arxiv.org |
<b>A Range-Null Space Decomposition Approach for Fast and Flexible Spectral Compressive Imaging</b>
|
| arxiv.org |
<b>Post-Training Quantization for Object Detection</b>
|
| arxiv.org |
<b>VMA: Divide-and-Conquer Vectorized Map Annotation System for Large-Scale Driving Scene</b>
|
| arxiv.org |
<b>WeakTr: Exploring Plain Vision Transformer for Weakly-supervised Semantic Segmentation</b>
|
| arxiv.org |
<b>RPTQ: Reorder-based Post-training Quantization for Large Language Models</b>
|
| arxiv.org |
<b>MobileInst: Video Instance Segmentation on the Mobile</b>
|
| arxiv.org |
<b>OpenInst: A Simple Query-Based Method for Open-World Instance Segmentation</b>
|
| arxiv.org |
<b>ByteTrackV2: 2D and 3D Multi-Object Tracking by Associating Every Detection Box</b>
|
| arxiv.org |
<b>Generalizable Neural Voxels for Fast Human Radiance Fields</b>
|
| arxiv.org |
<b>Benchmarking the Reliability of Post-training Quantization: a Particular Focus on Worst-case Performance</b>
|
| arxiv.org |
<b>VAD: Vectorized Scene Representation for Efficient Autonomous Driving</b>
|
| arxiv.org |
<b>Eva-02: A visual representation for neon genesis</b>
|
| arxiv.org |
<b>Lane graph as path: Continuity-preserving path-wise modeling for online lane graph construction</b>
|
| arxiv.org |
<b>Understanding Self-Supervised Pretraining with Part-Aware Representation Learning</b>
|
| arxiv.org |
<b>Graph contrastive learning for skeleton-based action recognition</b>
|
| arxiv.org |
<b>A Simple Adaptive Unfolding Network for Hyperspectral Image Reconstruction</b>
|
| openaccess.thecvf.com |
<b>Tinyclip: Clip distillation via affinity mimicking and weight inheritance</b>
|
| ieeexplore.ieee.org |
<b>Efficient Task-specific Feature Re-fusion for More Accurate Object Detection and Instance Segmentation</b>
|
| openaccess.thecvf.com |
<b>RILS: Masked Visual Reconstruction in Language Semantic Space</b>
|
| openaccess.thecvf.com |
<b>Appendix of Unleashing Vanilla Vision Transformer with Masked Image Modeling for Object Detection</b>
|
| openaccess.thecvf.com |
<b>Boosting Low-Data Instance Segmentation by Unsupervised Pre-training with Saliency Prompt</b>
|
| sciencedirect.com |
<b>A transformed-feature-space data augmentation method for defect segmentation</b>
|
| ieeexplore.ieee.org |
<b>Condition-Adaptive Graph Convolution Learning for Skeleton-Based Gait Recognition</b>
|
| cell.com |
<b>Focalizing regions of biomarker relevance facilitates biomarker prediction on histopathological images</b>
|
| openaccess.thecvf.com |
<b>Supplemental Material of EVA: Exploring the Limits of Masked Visual Representation Learning at Scale</b>
|
| cell.com |
<b>ADSeg: A flap-attention-based deep learning approach for aortic dissection segmentation</b>
|
| openaccess.thecvf.com |
<b>Boxteacher: Exploring high-quality pseudo labels for weakly supervised instance segmentation</b>
|
| openaccess.thecvf.com |
<b>Pd-quant: Post-training quantization based on prediction difference metric</b>
|
| sciencedirect.com |
<b>Weakly-supervised semantic segmentation via online pseudo-mask correcting</b>
|
| link.springer.com |
<b>TinyDet: accurately detecting small objects within 1 GFLOPs</b>
|
| openaccess.thecvf.com |
<b>Eva: Exploring the limits of masked visual representation learning at scale</b>
|
| proceedings.mlr.press |
<b>Vision-based uneven bev representation learning with polar rasterization and surface estimation</b>
|
| openaccess.thecvf.com |
<b>Unleashing vanilla vision transformer with masked image modeling for object detection</b>
|
| ieeexplore.ieee.org |
<b>What Makes for Hierarchical Vision Transformer?</b>
|
| arxiv.org |
<b>Perceive, interact, predict: Learning dynamic and static clues for end-to-end motion prediction</b>
|
| arxiv.org |
<b>Maptr: Structured modeling and learning for online vectorized hd map construction</b>
|
| arxiv.org |
<b>Polar parametrization for vision-based surround-view 3d detection</b>
|
| arxiv.org |
<b>Featurized query r-cnn</b>
|
| arxiv.org |
<b>Efficient and robust 2d-to-bev representation learning via geometry-guided kernel transformer</b>
|
| arxiv.org |
<b>Corrupted image modeling for self-supervised visual pre-training</b>
|
| researchgate.net |
<b>Multi-scale Context-aware Network with Transformer for Gait Recognition</b>
|
| proceedings.mlr.press |
<b>Supplementary Material: Vision-based Uneven BEV Representation Learning with Polar Rasterization and Surface Estimation</b>
|
| sciencedirect.com |
<b>Iou-balanced loss functions for single-stage object detection</b>
|
| link.springer.com |
<b>Local point matching network for stabilized crowd counting and localization</b>
|
| sciencedirect.com |
<b>Joint weakly and fully supervised learning for surface defect segmentation from images</b>
|
| onlinelibrary.wiley.com |
<b>Deep Learning-Based Optical-Resolution Photoacoustic Microscopy for In Vivo 3D Microvasculature Imaging and Segmentation</b>
|
| cell.com |
<b>Self-supervised learning enables 3D digital subtraction angiography reconstruction from ultra-sparse 2D projection views: a multicenter study</b>
|
| ieeexplore.ieee.org |
<b>Star: Spatio-temporal augmented relation network for gait recognition</b>
|
| link.springer.com |
<b>Robust multi-object tracking by marginal inference</b>
|
| link.springer.com |
<b>Aiatrack: Attention in attention for transformer visual tracking</b>
|
| link.springer.com |
<b>Occluded video instance segmentation: A benchmark</b>
|
| dl.acm.org |
<b>Fast dynamic radiance fields with time-aware neural voxels</b>
|
| openaccess.thecvf.com |
<b>Temporally efficient vision transformer for video instance segmentation</b>
|
| openaccess.thecvf.com |
<b>TopFormer: Token pyramid transformer for mobile semantic segmentation</b>
|
| openaccess.thecvf.com |
<b>Azinorm: Exploiting the radial symmetry of point cloud for azimuth-normalized 3d perception</b>
|
| openaccess.thecvf.com |
<b>Sparse instance activation for real-time instance segmentation</b>
|
| sciencedirect.com |
<b>Defect attention template generation cycleGAN for weakly supervised surface defect segmentation</b>
|
| link.springer.com |
<b>Bytetrack: Multi-object tracking by associating every detection box</b>
|
| link.springer.com |
<b>Yolop: You only look once for panoptic driving perception</b>
|
| ieeexplore.ieee.org |
<b>Voxeltrack: Multi-person 3d human pose estimation and tracking in the wild</b>
|
| openaccess.thecvf.com |
<b>Msg-transformer: Exchanging local spatial information by manipulating messenger tokens</b>
|
| arxiv.org |
<b>Neusample: Neural sample field for efficient view synthesis</b>
|
| arxiv.org |
<b>Occluded video instance segmentation: Dataset and ICCV 2021 challenge</b>
|
| arxiv.org |
<b>Bag of instances aggregation boosts self-supervised distillation</b>
|
| scholar.google.com |
<b>Bag of instances aggregation boosts self-supervised learning</b>
|
| arxiv.org |
<b>Tracking instances as queries</b>
|
| arxiv.org |
<b>Half-real half-fake distillation for class-incremental semantic segmentation</b>
|
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Страница https://hustvl.github.io/research готова к продвижению на 60%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: