目标检测解决多尺度问题

相关链接 深度学习的目标检测算法是如何解决尺度问题的？ - 极市社区

1.针对小目标

Perceptual Generative Adversarial Networks for Small Object Detection   CVPR2017文章

2.多尺度问题

UC San DiegoSVCL实验室和IBM研究院的MSCNN：A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection。这篇文章发表在ECCV2016。

STDN: Scale-Transferrable Object Detection，这篇文章发表在CVPR2018，这篇文章提出了一个STDN网络用语多目标检测效果的提升。

An Analysis of Scale Invariance in Object Detection – SNIP ，这篇也是CVPR2018的文章。这篇文章想探讨的是Scale变化对识别和检测的影响，然后就是upsample对于小物体的检测是否有用。

SNIPER: Efficient Multi-Scale Training ，这篇文章发布在NIPS2018，项目地址为mahyarnajibi/SNIPER。

Scale-Aware Trident Networks for Object Detection 这篇是图森Naiyan Wang的TridentNet ，这篇文章的创新点我可以在这里说一下，主要是基于感受野的控制来实现多尺度目标的检测，本文通过三个branch来实现多尺度目标的感受野，三个branch共享权重，感受野的大小通过dilation rate来控制，同时通过scale aware training 的方式来过了三个branch的检测。