参考博客:https://blog.csdn.net/qq_20481015/article/details/81535214
1. 提出该网络的动机
尺度问题是目标检测的核心。目前大多数网络都是通过多尺度检测来解决图像中存在多尺度物体的情况,基本上都是融合不同卷积层的特征图,这些方法都需要添加额外的层数来解决小目标检测问题,这样无疑增加了计算量以及模型的复杂性。因此,本文提出一种尺度变换模块,该模块可以嵌入在任何一个基础网络中,并且计算成本还低。
2. STDN模型
为解决物体检测中的多尺度问题,特别是提高对于小物体的检测效果,一些经典的算法不断出现。Figure1.(a)只通过最后一层来进行预测,如Faster R-CNN;(b)通过横向和纵向连接,将高层语义信息和低层细节信息连接,以得到更丰富的语义信息,即FPN;(c)将下采样中的每一层都进行预测,如SSD;(d)加入STM( Scale-Transfer Module)模块