detnet网络模型图
将detnet59作为faster RCNN的backbone，性能在论文中给出的性能很高，但是由于我的数据集中存在大量的小物体，所以不需要使用感受野特别大的卷积神经网络（CNN层数越深，感受野越大，对于大面积的物体感知效果很好，但是对于小面积的物体则可能产生模糊的特征），故而想把detnet50基础网络改成resnet34这种层数较浅的网络，resnet34将会比resnet50的卷积网络少16层卷积层，则对于小物体的感知效果会好很多。
将detnet59作为faster RCNN的backbone，性能在论文中给出的性能很高，但是由于我的数据集中存在大量的小物体，所以不需要使用感受野特别大的卷积神经网络（CNN层数越深，感受野越大，对于大面积的物体感知效果很好，但是对于小面积的物体则可能产生模糊的特征），故而想把detnet50基础网络改成resnet34这种层数较浅的网络，resnet34将会比resnet50的卷积网络少16层卷积层，则对于小物体的感知效果会好很多。