目标检测中的尺度不平衡问题----An Analysis of Scale Invariance in Object Detection – SNIP

论文原文：https://arxiv.org/abs/1711.08189
对改论文理解较好的博客：
不错的总体理解：https://zhuanlan.zhihu.com/p/36431183
文章详细翻译和理解：https://blog.csdn.net/neil3611244/article/details/81557599?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase

一、Intriduction
图像分类误差已经可以低于人类误差，但目标检测识别效果却还不理想，为什么目标检测识别任务这么难？
一个很重要的原因是目标尺寸大小分布的不均衡性，尤其是小目标的检测识别。两个数据集中目标大小分布如下图所示，纵坐标代表数量分布，可见COCO数据集中一半的物体是小于0.106的，而ImageNet则分布比较均匀，因此通过ImageNet预训练的网络来在COCO数据集上进行微调存在一些问题。