Scale-Aware Trident Networks for Object Detection

1.背景

尺度问题一直是目标检测领域比较核心的待解决的问题。目前，对于这个问题还没有比较彻底的解决思路，有两种比较好的方法来处理这一问题：

图像金字塔，即网络输入图像的多尺度，比如常见的multi-scale test的trick，这种方法需要耗费很大的计算量。

特征金字塔，即融合不同深度的feature map来获得多尺度特征，比如FPN，这种方法速度更快，但是性能不好，按照论文的说法，是因为它牺牲了不同尺度的特征一致性(即不同scale的feature经过不同深度不同参数的变换，反应出来的特征会更全面和表达能力更强)。

抛除这些结构上的因素，具体到DNN的设计上，影响DNN对尺度处理能力的因素主要有两点：

1、较深的层一般感受野越大，因此处理大目标的能力较强。

2、过多的下采样层会损伤网络对小目标的检测能力

这篇文章探究了另一个可能的关键因素对目标检测的影响，即感受野的大小问题。提出了Trident Network的结构来处理尺度变化，并达到权重共享、scale-aware training和快速inference方法等，进行了大量的对比实验，内容比较充实。

2.方法

TridentNet在原始的backbone上做了三点变化：
1.构造了不同receptive field的parallel multi-branch，
2.对于trident block中每一个branch的weight是share的。
3.对于每个branch，训练和测试都只负责一定尺度范围内的样本，也就是所谓的scale-aware。

2.