STDN 笔记

前言
1.本文重点是scale-transfer layer，尽量用较少篇幅表达清楚论文算法，其他一些不影响理解算法的东西不做赘述
2.博客主要是学习记录，为了更好理解和方便以后查看，当然如果能为别人提供帮助就更好了，如果有不对的地方请指正（论文中的链接是我经过大量搜索，个人认为讲解最清楚的参考）

论文链接
代码链接

创新点
1.使用DenseNet（自带高低层特征融合）作为基础网络提取特征
2.提出scale-transfer layer，在不增加参数量和计算量的前提下生成大尺度的特征图（scale-transfer layer实质是reshape，所以不增加参数量，其他算法常用反卷积和上采样来生成大特征图）

STDN
STDN全称Scale-Transferrable Object Detection，从论文名字就可以看出精髓就在尺度转换这，即scale-transfer layer

1.目标检测多尺度预测回顾

（a）只利用最后一层特征图预测，如R-CNN系列
（b）多尺度特征图上下融合再分别预测，如FPN
（c）没有融合，只是在不同尺度特征图上进行预测，如SSD
（d）就是STDN，在基础网络（DenseNet）中进行多尺度特征融合，再像SSD那样分别在多层特征图上预测

2.STDN 网络结构

如图所示，输入图片经过DenseNet提取特征后得到一系列9x9的不同通道数的特征图（之所以后面的通道数多，是因为后续scale-transfer layer的需要），然后通过scale-transfer model得到特征金字塔，scale-transfer model包含mean pooling layer和scale-transfer layer，最后在特征金字塔不同尺度特征图上进行经过预测

3.scale-transfer model
3.1 mean pooling layer
9x9的特征图经过mean pooling layer得到特征金字塔中小尺度的特征图

3.2 scale-transfer layer
9x9的特征图变成大尺度，以往的方法通常是反卷积和上采样，本文提出scale-transfer layer，只是进行reshape就能得到大尺度特征图，不会增加参数和计算量，也不会引入噪音，具体操作见下图（以上图中最后的9x9x1664 reshape到36x36x104为例）

前面的尺度是HxWx(Cx$r^2$r2)，通道数分为C个类，每个类有$r^2$r2个通道，对应9x9x1664，每一类的HxWx$r^2$r2尺度 reshape 到(rH)x(rW)x1，最后整体reshape到(rH)x(rW)xC，对应36x36x104

其他
这篇论文的亮点在scale-transfer layer代替上采样和反卷积减少参数量和计算量，而之所以像SSD那样最后特征金字塔没有进行特征融合也能达到FPN那样的效果，靠的是前面基础网络DenseNet自带特征融合的效果