摘要:不管是rcnn系列,还是ssd,yolo系列的网络,都是在原有的分类网络的基础上进行微调(迁移学习)。目标检测:1.分类2.定位。
存在问题:1.传统的backbone基于大的下采样倍数,以获取更大的感受野,这有利于图像的分类,但不利于目标的精确定位、识别小物体。2. 最新的检测器与分类的backbone相比,为了获取多样的sizes,基本都增加了额外的stages。
改进:detnet包含了额外的层,不仅保留了高分辨率的特征,而且保留了大的感受野。
DETNET网络设计:
1.resnet(五个残差网络结构)基础上,Detnet只保留前四个,在第四个残差网络块之后就固定下采样的倍数(16*),在resnet的基础上增加一个残差网络块。一共6个。
注意:c图4,5,6下采样的通道数都是16
2. 提出了dilated bottleneck,分成A和两种