Scale-Transferrable Object Detection

ECCV18

还是做检测中尺度变化问题。

(a)是faster rcnn的做法；

(b)是FPN的做法， 这个结构要小心设计， 同时计算成本上升，影响速度；

(c)是SSD的做法， 底层没有利用到高层的语义信息， 对小物体检测能力有限；

(d)是本文方法， 左边是DenseNet生成的一系列特征图， DenseNet每一层生成的特征分辨率相同， 利用池化层处理得到小分辨率图， 同时具有大的感受野， 用于检测大物体； 用scale-transfer 层来得到高分辨率的特征图， 用于检测小物体。

这里我的两点理解：

1. 最高层的特征图利用了DenseNet的结构， 是连接了前面Low-level的特征的，用concat方式合成了现在的特征， 也就是说， 高层特征是融合了low-level的信息的， 否则纯粹依靠semantic信息是难以检测小物体的。

2. scale-transfer得到高分辨率的过程：

这个就是在super resolution里的PixelsShuffle。把channel信息平铺到spatial维度上。

优点： 这个scale-transfer模块没有啥参数， 不影响速度。

小结： 这个shuffle的使用很有意思， 让我想到了CVPR19 做pose estimation的一篇文章， 也是把resnet前向过程中不同分辨率的特征做shuffle， 当然和这个使用方法不同， 但是这种特征做shuffle的想法还挺有趣的。