Paper reading之一 目标检测专用backbone—DetNet

Paperreading之一 目标检测专用backbone—DetNet

1.前言：一个专门用于目标检测的backbone—DetNet，目前大多数用于目标检测的backbone都是使用在ImageNet上预训练的网络，比如常用的vgg，resnet系列等等，但是这些网络都是为图像分类而设计的，把这些网络用于目标检测领域，通常不能完美贴合，会或多或少的增加一些层。这样会有两个问题：

1. 不能很好的利用ImageNet上预训练的模型，我们知道，目前来说预训练对于大部分算法的精度有很大影响
2. 图像分类问题只关注分类，不用关注物体定位，对空间信息不关注，只关注足够大的感受野，但是目标检测领域同时很关注空间信息。如果下采样过多，会导致最后的featuremap很小，小目标很容易漏掉。

2.构建DetNet

针对以上两个问题，face++的研究员提出了专门针对目标检测领域的backbone。设计出一个网络尽量能完整作为目标检测网络的backbone，并且保证足够的感受野和一定的feature map。作者是在FPN基础上进行一些设计和改进的。

对于第一个问题，先看下FPN结构。

上图A就是FPN结构图，少画了一个stage，上面全部都是从4x开始，表示步长为4，也就是该层的feature map是原图的1/4。假设原始fpn的backbone是resnet50，原生resnet（上图B）最后一个stage输出是32x（也就是经过5次下采样），在fpn中增加了一层P6，做了一个下采样。这样就会有前言中的两个问题，增加层不能使用ImageNet预训练模型初始化，过多的下采样导致feature map太小，容易miss掉小物体。