CFENet极简笔记

检测小物体的能力和物体探测器的速度对于自主驾驶的应用非常重要。

所提出的检测器继承了SSD的架构，并在其中引入了一种新颖的综合特征增强（CFE）模块。 本竞赛数据集以及MSCOCO数据集的实验结果表明，所提出的探测器（名为CFENet）的性能远远优于原始SSD和最先进的方法RefineDet，尤其适用于小型物体，同时保持高效率接近原始 SSD。

为了检测速度，我们选择了one stage目标检测，SSD检测小目标并不好，原因在于SSD用backbone-inside的Conv4-3来检测最小尺寸的物体，较深层用于检测相对较大的物体。然而这些相对较浅的特征图层并不包含丰富的高级语义信息，所以检测小物体效果很差。

因此使用了CFE module旨在增强浅层特征图的特征提取能力，提高检测小目标的能力，当然模块里的k*k拆分为了k*1和1*k，这样可以在保证感受野大的同时提高网络的推断速度，另一个分支相反，拆为了1*k和k*1，目的当然希望提取到不同的特征。