Deformable ConvNets v2

注：由于前人的总结工作已经做得很好，这里仅仅给出博主认为值得借鉴的思想及参考文献，有需要再补充。
一.通读全文
论文链接：https://arxiv.org/abs/1811.11168.
论文翻译：Deformable Convolutional Networks v2 可变形卷积v2版翻译.
Motivation: DCN v1中采样的特征超出ROI（即offset不可控导致引入了过多的context，而这些context可能是有害的）。
Resolutions:

1. Stacking More Deformable Conv Layers
2. Modulated Deformable Modules：使DCN在学习offset的基础上，再学习offset采样的权重
3. R-CNN Feature Mimicking：R-CNN as teacher network，让DCNV2的ROIPooling之后的feature去模拟R-CNN的feature。

二.剖析模块

目标检测论文阅读：DCN v2.
Deformable ConvNets v2算法笔记.
如何评价 MSRA 视觉组最新提出的 Deformable ConvNets V2？（*）.

论文阅读：Deformable ConvNets v2: More Deformable, Better Results.
论文阅读：DCNv2：Deformable ConvNets v2: More Deformable, Better Results.

Deformable Convolution v1, v2 总结.

三.总结
增加defomable covolution layers简单但很实用；
提升检测识别的精度关键在于学习到准确的特征，除了用权重控制offset采样这一想法，R-CNN as the teacher也很值得深思。（此外*中有作者提到，小物体的检测在于放大，如SNIP/SNIPER，这里我后面看过再总结。）