目标检测中的多尺度问题解决方案之 SNIP 系列

论文题目：An Analysis of Scale Invariance in Object Detection – SNIP 

链接：https://arxiv.org/pdf/1711.08189.pdf

一、作者试图解决什么问题？

答：这个工作是一种模型训练 trick，主要在 augmentation 环节使用。解决检测问题中，待检测的目标尺寸差别太大（小目标与大目标同时存在）的问题。

常用的方法与问题：

1. 对图像进行多尺度的缩放或者扩展，这种方式问题是每一张图会生成很多张图，计算量堪忧；而且对于小尺度图像，小目标的检测的任务是冗余的（因为效果不佳）；对于大尺度图像，大目标的检测任务是冗余的（因为没有必要，对于大目标来说，没有必要用大尺寸输入）
2. FPN 相关方法，在不同层抽特征，小目标靠近输入层，大目标靠近输出层。这种方案是make sense 的，但是单独用这种方式，对于小目标来说，还不是特别友好，因为这种情况下，小目标尺寸的受限于输入图像。如果不对输入图像进行扩大，小目标的检测仍然存在问题，但是如果要对输入图像进行多尺度扩展，那么也就会回到上面 第 1 个方法中的问题。

 

二、这篇论文的基本思路与实现步骤是什么？

答：

1. 在检测中，充分利用分类网络的预训练模型。在利用过程中，需要解决domain shift 问题，即检测算法