DSSD
- SSD算法对于小目标不够鲁邦,主要原因是浅层feature map的表征能力不够强。
- DSSD增加了上下文信息,且用了更好的基础主干网络(ResNet)和 Deconvolution层,skip链接来给浅层feature map更好表征能力
DSOD
- DSOD可以从0开始训练,不需要预训练模型,而且效果可以和fine-tune的模型媲美
- SDD+ DenseNet = DSOD
核心思想在于从零开始训练一个目标检测网络
- 设计原则
1) 基于候选区域提取的方法无法从零开始训练、不收敛,只有proposal-free方法可以从林开始训练并收敛(POI pooling)
2) DenseNet中更多的skip connetions实现supervised signals
3)增加dense blocs数量区别于原先的固定数量
4) Stem Block优化,(3个33卷积层和一个22的最大池化层)
5)6个尺寸特征图进行目标检测,再融合(利用特征图)