CV中的多尺度问题

为了解决目标检测中的多尺度问题，不同的方法采用的思想不同。

SNIP

SNIP采用了图像金字塔构造多尺度特征，然后用单分支网络学习更深层特征（多输入+单分支）；

FPN

FPN采用了单一图像作为输入，且使用级联多分支学习输入图像的不同尺度的目标的特征（单输入+级联多分支）；

Trident network

Trident network采用了单一图像作为输入，且使用并行多分支学习输入图像的不同尺度的目标的特征（单输入+并行多分支）；

TridentNet 结构主要包括3个完全一样的分支，唯一不同的只是膨胀卷积的膨胀率。如上图，从上到下膨胀率分别为1,2,3，分别检测小，中，大的目标，且三个分支共享权值。

最后：

如果你想要进一步了解更多的相关知识，可以关注下面公众号联系~会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner，gui设计、simulink仿真......希望能帮到你！