background
任务:从0开始训练模型,避免因迁移学习域的不同导致的精度下降,引入densenet的模块,提高精度
关键词:Deeply Supervised , densenet
Introduction
1)迁移学习虽然能够加快训练速度,通过微调达到不错的效果,但是因imagenet的局限,面临着设计结构有限,不够灵活,而且存在学习偏见,因两者的任务不同,所以优化空间可能不同,在分类任务中能收敛到最优解,但在目标检测任务中可能就是收敛到局部最优解,最后是域的不匹配,微调虽然可以减少差异,但是影响还在,所以作者提出通过从0训练此网络,避免因迁移学习而导致的误差
2)densenet的模块的引入,通过加强对上下文信息的表征能力,代替vgg,或resnet模块,然后通过Dense Connection的预测层,使模型有了更好的表现
Model
整体的模型
Experiment
Learn from paper
主要把densenet代入到SSD中,右侧的预测阶段很像特征金字塔