论文阅读-Single-Shot Refinement Neural Network for Object Detection

two-stage 方法首先是候选区域的提取，然后是目标的分类和回归，这类方法的检测精度要好于 one-stage，但速度没有one-stage快；
one-stage方法速度快，精度稍微差些，主要原因是 the class imbalance problem，即正负样本比例严重失调
这篇论文实际就是将两者结合，主要就是增加了一个anchor细化的模块，一方面让anchor的质量更高，另一方面，两步回归让边框回归更精确。
网络主要包括两个相互关联的模型 Anchor Refinement Module （ARM）和 Object Detection Module（ODM），这两个模块通过 transfer connection block (TCB) 联系起来。

ARM

（ARM） 可以看作一个简化的 SSD，这里只做二分类，即目标的有无，去除一些无物体的候选区域，对位置和尺寸进行大致的调整，为后面的 ODM 提高一个好的初始化

ODM

（ODM） 实际就是对ARM产生的候选框进行多类别分类和矩形框的精确回归

TCB

TCB主要的任务就是通过反卷积，将底层和高层的特征进行融合，兼顾上下文的特征，让分类和回归更准确