DetNet: A Backbone network for Object Detection
目标检测专用backbone：
DetNet A Backbone network for Object Detection
论文：https://arxiv.org/abs/1804.06215
代码：https://github.com/guoruoqian/DetNet_pytorch
1、传统backbone的缺点：
（1）下采样率大，使得大物体检测边界模糊；
（2）小物体检测信息丢失。
2、改进
（1）增加P6层，stage4之后分辨率在16x下采样。
（2）采用空洞卷积，增加1x1卷积模块（实验证明在多级目标检测非常重要），如下图B：
（3）由于空洞卷积仍然耗时，stage5，stage6保持256channels，而传统backbone往往会翻倍。
3、带有FPN的总体网络结构：
为了对比resnet，stage4之前与resnet50一致。
4、结果展示和对比分析
测试1x1卷积连接：
测试detnet59和resnet预训练+扩张卷积（空洞卷积）：
比较State of the Art：