本研究分析了数据标注错误对POPE基准评估结果的影响。通过对MSCOCO数据集进行重新标注，发现标注错误在不同子集中分布不均，评估多个模型后，模型排名发生显著变化，强调了标注质量的重要性。

该文介绍了一种名为“密集通道压缩特征空间固化”的方法，以及在 YOLOv5 模型中引入的两个创新模块，得到了表现优异的 YOLOCS 模型。该模型在 MSCOCO 数据集上的 AP 得到了提升，且推理速度与 YOLOv5 模型相当。