MDSSD: Multi-scale Deconvolutional Single Shot Detector for Small Objects论文笔记
Attention:
论文解读的博客原文发布于个人github论文合集 欢迎关注，有想法欢迎一起讨论！私信评论均可。
后面有些语法在****的markdown上不支持，导致显示bug，我就懒得改了，有需求直接访问原博客查看。
| 创建人 | github论文汇总 | 个人博客 | 知乎论文专栏 |
|---|---|---|---|
| ming71 | paperdaily | chaser | 专栏 |
论文发布日期：20018.5.18 [TIP]<p/span>
只读了不到半小时，没仔细看，理解也有限，但我实在没看出这篇能在2018年中旬发在TIP的文章有任何的insight和能拿得出的idea，但是老说别人论文灌水可能反而是自己水平不够，希望有看过这篇论文并且有启发的人能分享一下感想，并且指出我的不足和短见…
email: [email protected]
qq: 1343545543（加我请备注）
1. Motivation
为了相比SSD提高小目标检测效果，同时保持检测速度不至于像DSSD一样个位数。
2. Implemention
3. Question
对这个看上去很直接不讲道理也没什么创新的工作，有这么几个问题：
- 融合层选择的降采样步长跨越为6-8倍，这么大的跨度不怕语义分歧吗？
- 是不是转置卷积的效果比双线性插值好？（肯定不会好很多，不然都不用双线性插值了）类似沙漏网络的上采样然后和降采样信息融合的方法优势在哪里？和这种上采样融合多尺度特征有什么异同？