Grid RCNN Plus 算法笔记

论文：Grid R-CNN Plus: Faster and Better
论文链接：https://arxiv.org/abs/1906.05688
代码链接：https://github.com/STVIR/Grid-R-CNN
代码链接2：https://github.com/open-mmlab/mmdetection

这篇技术文章要介绍的Grid RCNN Plus算法是Grid RCNN算法的加速版，关于Grid RCNN算法的解读可以参考博客：Grid RCNN算法笔记。因为Grid RCNN是在Faster RCNN算法上做的改进，虽然效果提升明显，但是增加的计算量也较大，因此才有了Grid RCNN Plus，在保持甚至更优于Grid RCNN算法效果的同时达到Faster RCNN的速度。

Grid RCNN Plus算法比较有意思的点在于Figure2。我们知道Grid RCNN算法是基于关键点检测来预测目标框的位置的，用于检测关键点的支路叫grid branch，这条支路的输出叫heatmap，维度是56×56，heatmap的监督信息就如Figure2中第一行的2个图所示，分别是左上角关键点的监督信息和右中位置关键点的监督信息。在Grid RCNN算法中，输出的heatmap和监督信息都是56×56大小，但其实这里面是有冗余的，举个例子，