一个专门为目标检测设计的骨干网络
主要贡献:
1.分析了分类网络直接用于目标检测的弊端。
2.提出了新的骨干网络Detnet
3.在MSCOCO数据集上实现了当前最先进的结果。
动力:
更深层的的Conv会导致边界框的模糊,从而导致不能精确的回归出目标框。另外large stride 还会丢失小目标。
特性:
保留了高分辨率的特征,同时保持了大的感受野。
两个挑战:
1.保持空间信息将花费额外的计算量和内存。
2.减少下采样有害于图像的分类和语义分割。
详细设计:
论文采用ResNet-50作为baseline,保留前四个satge的网络作为DetNet.
结果:
相比与resnet-50有5个点的提升。