论文解读DetNet: A Backbone network for Object Detection

DetNet: A Backbone network for Object Detection

(ICCV 2018，旷视)

该论文的出发点与M2Det相似，均是源自图像分类和物体检测任务之间的不同。具体来说，one-stage方法和two-stage方法都是直接将在ImageNet图像分类任务上预训练的模型进行finetune。但毕竟分类任务和检测任务不同，深层特征对分类任务有效，低层特征对检测任务有效。FPN和空洞卷积可以融合浅层特征以及增大感受野，但依然存在一些问题。

（1）典型的分类网络包含5个阶段，实现32倍下采样。在目标检测任务中，通常会增加新的阶段，如FPN为检测更大物体，增加P6；RetinaNet则增加了P6/P7阶段。这些新增加的阶段不能从pre-trained模型中进行finetune。

（2） 32倍的下采样不利于物体定位检测，在深层特征图中预测的大物体边界模糊。

（3） 小物体的漏检严重。FPN中浅层包含的语义信息太少，虽然采用自下而上的信息融合浅层位置信息和高层语义信息，但是如果在高层小物体消失，浅层的位置信息也就随之消失。

DetNet提供了一种新的特征提取backbone，引入dilated bottleneck