目标检测算法优化技巧

论文：Bag of Freebies for Training Object Detection Neural Networks
论文链接：https://arxiv.org/abs/1902.04103

这篇论文介绍目标检测算法的一些优化技巧，目前已经在GluonCV中实现了，整体看下来和之前的那篇图像分类算法优化技巧的论文（Bag of Tricks for Image Classification with Convolutional Neural Networks）类似。这篇介绍的优化技巧具体而言包括mixup、label smoothing、学习率修改策略的选择、跨卡BN层计算和随机尺度训练，接下来详细介绍。

mixup是指将2张输入图像按照一定权重合并成一张图像，基于这种合成图像进行训练的模型更加鲁棒，能够有效降低对抗图像的影响。如图Figure2是在分类算法中使用mixup的例子：

Figure3是在目标检测算法中使用mixup的例子，合并之后的图像标签包含2张输入图像的所有标签，可以看出这种思想在实现上还是比较容易理解的。

针对mixup作者做了不同参数设置下的