目标检测论文核心思想，18-19-20年论文梗概

论文太多来不及看，有些论文用了很大篇幅印证了某种模块有用或者没用，对于不研究这部分的人来说了解一下结论，这个模块有什么优缺点就够了。因而记录一下2018-2019-2020这几年泛读的论文梗概：

DetNet: A Backbone network for Object Detection

论文：DetNet: A Backbone network for Object Detection，2018年清华，Face++旷世合作论文，孙剑大神参与

目标分类训练的网络作为目标检测backbone是否合适？任务不同肯定有不同，本文就是研究任务切换时backbone直接用的优劣分析。
ImageNet分类模型直接做backbone不够好，检测分类两个任务有差异。
（i）诸如FPN和RetinaNet之类的最新物体检测器通常涉及额外的stage，以完成图像分类任务，以处理各种比例的物体。
（ii）对象检测不仅需要识别对象实例的类别，而且还需要在空间上定位位置。较大的下采样因子会带来较大的有效接收场，这对图像分类有利，但会损害对象的定位能力。
DetNet，这是专门为目标检测设计的新型骨干网络。
DetNet（4.8G FLOP）包括传统backbone分类任务，也保持了空间分辨率。MSCOCO上检测和分割任务都最棒。

检测的Backbone通常从ImageNet分类上面借鉴。

1. AlexNet是第一个增加CNN层数的，为了减少计算，并增加感受野，它用stride为32下采样。
2. VGGNet堆叠了k=3的卷积，来搭建更深的网络，也用了stride为32。
3. GoogleNet提出了inception block来提取更多样的特征。
4. ResNet在每个stage用了“bottleneck”和residual sum operation,这样就有了更高效的方式搭建更深的网络。
5. ResNext和Xception都用了group convolution来替代传统卷积，它能减少参数量同时增加精度。
6. DenseNet稠密地concat几层，在保证一定精度情况下减少参数。
7. Dilated Residual Network跟他们不一样，它能用更小的stride来提取特征，DRN在分割上面取得可圈可点的成绩，但是在目标检测上面说的很少。
   
   为解决小目标丢失，作者提出DetNet有以下特点：
8. stage数量是直接为目标检测设计的
9. 虽然用了更多的stage,但是保持了高的空间分辨率的同时保持高感受野
   DetNet有以下优点：
10. 它有检测要用的一样的stage数目，额外的stage P6都在ImageNet上训练过
11. 得益于最后一个stage的高分辨率，DetNet在定位大目标的边界和找到丢失的小目标上表现很好。
    

https://zhuanlan.zhihu.com/p/38544422