DetNet: A Backbone network for Object Detection

目标检测专用backbone：
DetNet A Backbone network for Object Detection
论文：https://arxiv.org/abs/1804.06215
代码：https://github.com/guoruoqian/DetNet_pytorch

1、传统backbone的缺点：

（1）下采样率大，使得大物体检测边界模糊；
（2）小物体检测信息丢失。

2、改进

（1）增加P6层，stage4之后分辨率在16x下采样。
（2）采用空洞卷积，增加1x1卷积模块（实验证明在多级目标检测非常重要），如下图B：

（3）由于空洞卷积仍然耗时，stage5，stage6保持256channels，而传统backbone往往会翻倍。

3、带有FPN的总体网络结构：

为了对比resnet，stage4之前与resnet50一致。

4、结果展示和对比分析

测试1x1卷积连接：

测试detnet59和resnet预训练+扩张卷积（空洞卷积）：

比较State of the Art：