DetNet

论文名称：DetNet: A Backbone network for Object Detection

论文链接：https://arxiv.org/abs/1804.06215

算法提出原因

目前目标检测的特征提取网络基本上用的都是分类网络，但是分类和检测还是有很大区别的，那么利用分类网络进行特征提取显而有些不足，因此提出适用于检测的体征提取网络。考虑的方向：1.深层特征图虽然有高的语义信息，感受野大，但是位置信息较差，对于边框回归则会带来很大的弊端。2. 底层特征图虽然有小目标信息，但是小目标的语义信息较差，即使通过特征金字塔也很难得到弥补，因为高层的特征图已经缺少的小目标的语义信息，导致其原因就是下采样丢失的小目标。面对这两个问题如何解决呢：Detnet

在FPN下的DetNet：

解决问题方法：

1：减少特征图下采样的次数，但是感受野不能降低——>若想实现高层特征图感受野增大，特征图分辨率不下降，貌似Maxpooling是不能用了，那用什么呢，空洞卷积（不知道的自行百度）

2：高层特征图分辨率变大那么计算量就会升高，带来很大的计算负担，因此通过减小高层特征图的channels来减小计算量——>在高层特征图通过卷积时不再递增通道数。

FPN特征图修改如下：

第一个就是FPN了通过上采样实现特征融合，但是高层特征图这么小了对小目标语义用处也不算太大吧（个人理解）

第三个就是修改后的FPN，在缩小16×之后就不再缩小特征图的分辨率可以有效的保存大目标的位置信息，以及小目标的语义信息了（个人理解）

最下面的两个特征图的网络如何设计：

通过精心设计的 DetNet 可以看到，DetNet stage 1，2，3，4 与 ResNet 设置相同；不同的是 stage 5，下面探讨一下（扩展了 ResNet-50 的）DetNet-59 的细节：

1.本文在 backbone 中引入额外的 stage，比如 P6，P5，它稍后用于物体检测，正如在 FPN 中一样。同时，在 stage 4 之后利用空洞卷积把空间分辨率固定为 16x 下采样，但是感受野增大了。

2.由于空间尺寸在 stage 4 之后是固定的，为引入一个新 stage，本文在每个 stage 开始使用一个带有 1x1 卷积投影（图 2 B）的 dilated bottleneck。

3.借助 dilated bottleneck 作为基础模块以加大感受野。由于 dilated conv 依然耗时，DetNet stage 5，6 与 stage 4 通道数量相同（bottleneck 有 256 个输入通道），这不同于传统的 backbone 设计，其在新的 stage 需要双倍的通道。

试验结果看论文