池化和空洞卷积_DetectoRS: 递归特征金字塔 & 可切换空洞卷积

DetectoRS网络是于2020年提出，它的主要创新点在于：①递归特征金字塔(Recursive Feature Pyramid)；②可切换空洞卷积(Switchable Atrous Convolution)。递归特征金字塔代表宏观层面，采用的是自下而上的反馈连接方式，本质上是对backbone进行优化设计；可切换空洞卷积代表微观层面，以不同的空洞率对特征进行卷积，并使用switch函数来进行控制，本质上是对卷积核的优化，采用的是自适应空洞率大小的卷积核(网络中switch函数设置的空洞率为1和3)。

下面就这两点创新的个人理解进行简要记录。

论文：https://arxiv.org/pdf/2006.02334.pdf

代码：https://github.com/joe-siyuan-qiao/DetectoRS

一、递归特征金字塔(Recursive Feature Pyramid)

递归特征金字塔网络是在经典的融合式FPN的结构基础上，增加了“looking and thinking twice or more”的想法，本质上将输入图像特征进行反复的提纯，丰富FPN的表达能力，使得提取到的特征更加适合检测或者分割。递归的作用是能够使得目标检测的错误回传信息更直接地反馈调整主干网的参数。

图1  递归特征金字塔(Recur