DCNv1 - DCNv2 - RepPoint

从faster-rcnn谈起：

faster-rcnnhttps://zhuanlan.zhihu.com/p/31426458具体ROI-pooling的解读：

ROIpoolinghttps://blog.csdn.net/u011436429/article/details/80279536RFCN到底怎么改进了ROI-pooling

RFCNhttps://www.cnblogs.com/shouhuxianjian/p/7710707.htmlDCN1继续改进了ROI-pooling

https://arxiv.org/abs/1703.06211https://arxiv.org/abs/1703.06211DCNv2改进DCNv1的Deformabel Convolutions为 Modulated Deformabel Convolutions，同时还要加入 RCNN feature mimicking （网络模仿的训练策略）。

这里的主分支和子分支的规则是类似的，子分支的Whole Image Regions对应了主分支的原图，子分支的输入是原图的crop,所以子分支里不需要经过主分支的Region Proposals。

DCNv2https://blog.csdn.net/u014380165/article/details/88072737Reppoint的代码解读

RepPointhttps://zhuanlan.zhihu.com/p/326058238