多尺度创新点总结

网络的图像输入，应该不拘泥于尺寸大小的才对，这是个朴素的想法。

1）为对抗多尺度问题
　　卷积操作对输入尺寸是无必须要求的，任意尺寸均可。
　　但是，如果加上全连接层，该层必须要求是固定尺寸的输入，那么问题就来了。怎么才能解决这种类似的问题呢。

1.1) 将全连接去掉
　　对最后的feature-map做global average pooling，直接加softmax。这篇文章里NIN，就是这么干的。

1.2)将变尺寸划为固定尺寸
　　在feature-map后，加入spatial pyramid pooling layer，将不固定尺寸变为固定尺寸。SPPnet, Faster R-CNN都是这样的思路。

1.3) 全部使用卷积层
　　比如FCN(Fully Conv Network)，多尺寸输入完全不成问题。FCN，主要应用在图像语义切分上。
　　上面所说的这3种方法，都是在网络过程中解决多尺度问题，将变换尺寸translate为不变尺寸。

1.4) 借助anchor在输出上做多尺度。
　　给输出提前约定尺寸的候选范围集，分别在不同尺寸上给出输出结果。

1.5) 多尺度filter，在卷积核上做多尺度。
　　上面这2种方法，是在输出上做尺寸的约束，当时不改变输出的结构，将不变尺寸translate为变换尺寸。

1.6) 输入多尺寸放缩图像。
　　高分辨率的风格迁移，有对输入做pyramid process（高斯低通滤波），得到多个尺度的输入图像。
　　上面的这1种方法，则是在输入上直接做文章，直接是训练多个具有共享参数的网络了。

2）联合训练
　　关于训练，有各种各样的方法。比较直接的，是单目标的训练任务，比如直接做分类，直接做回归，没有其他的任务需求。但是当有复杂任务目标时，就需要相应更为配套的训练方法。

2.1）多个单一任务，共享模型，交叉训练。
　　Faster R-CNN，因为涉及到了图像位置匹配和目标类型识别，该方法用一个base网络做两个用途，一方面用做位置预测，一方面用做类型识别。怎么联合训练呢？两个任务交叉训练，共享交集网络的参数。两个训练任务仍然是单一的。

2.2）多个任务，共享模型，改进loss训练。
　　网络完全共享，改进了输出层为平行输出，并对loss分层。根据数据，决定分流到哪个输出流，并对应该loss训练网络。Yolo9000就是这么搞的。

2.3）为了联合而联合。
————————————————
版权声明：本文为CSDN博主「于建民」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/yujianmin1990/article/details/80446864