目标检测算法trident network引发的思考

---

最新的目标检测算法“Trident Network”，单模型的mAP刷到了48.4，的确是“state-of-the-art”。笔者看了论文作者Naiyan Wang的知乎解读，感觉解释的很深刻，然后看了同行们的评论，比如有人说怎么和ASPP、SPP、SNIP、RFB-net等很像啊，包括我的帅帅同事。笔者是没有发言权的，因为除了SNIP比较熟悉之外（见上一篇博文），其它的几篇文章不怎么了解。为了弄清楚它们之间的异同，笔者对比着阅读了这几篇文章，有了一些自己的思考，故在这里记录下来，希望能对大家有所帮助。

1 SNIP

本文的主角Trident Network借鉴了这篇文章中的multi-scale思想，所以有必要先梳理一下SNIP中如何做目标检测。网络结构图如下，

图像信号的前向传播过程包括：图像金字塔 -> 多分支特征提取 -> 分支融合 -> NMS后处理，每部分完成的功能汇总如下，

输入数据：采用图像金字塔对原图做分解，这里使用了3层金字塔。

多分支特征提取（训练阶段）：（1）从功能上来讲，对每一层金字塔图像，分别检测不同尺寸的目标，金字塔图像越大，检测的目标尺寸越小；（2）从网络结构上来讲，3个分支进行参数共享，故网络结构完全一致，区别在于目标尺寸的超参数不同。

分支融合（推理阶段）：合并不同分支的结果。

NMS后处理：对融合后的预测框做筛选。

缺点：推理阶段需要先生成图像金字塔，然后每一中分辨率的图像过一遍inference过程，所以比较耗时。

关于这篇论文的详细解释，请参见笔者的上一篇博文https://blog.csdn.net/diligent_321/article/details/86495360。

2 Trident network

Trident network，翻译过来就是“三叉戟网络”，该论文的全称为“Scale-Aware Trident Networks for Object Detection”。

2.1 动机

检测任务中存在目标尺寸多样化的问题，为了解决这一问题，涌现了很多经典算法，笔者将部分算法汇总如下，

算法名称	优缺点
SSD	优点：速度快； 缺点：因为bottom layers缺少语义信息，只使用upper layers预测目标。而小目标是靠bottom layer预测的，所以SSD对小目标效果差。
FPN	优点：弥补SSD的bottom layers缺少语义信息的不足，引入了top-down connection，所以对小目标效果有改善； 缺点：bottom layer提取小目标的特征，upper layer提取大目标的特征，导致大目标和小目标的特征的“表达能力”不同，因此算法对大目标和小目标的检测效果不同，这里的“表达能力”指特征所包含的语义信息和细节信息。
SNIP	优点：精度高； 缺点：采用了图像金字塔，推理速度慢(复杂度为