2019object detection:TridentNet,SABL,RPDet,RetinaMask,CornerNet-Squeeze,CornerNet-Saccade

TridentNet:Scale-Aware Trident Networks for Object Detection（三分支网络）

论文贡献：

1 首次提出感受野（receptive field）对目标检测任务中不同scale大小物体的影响，并进行相关实验验证；
2 提出了适应于多尺度的目标检测框TridentNet；
3 使用参数共享的方法，提出训练的3个branch，测试时只是用一个branch，这样保证推断时不会有额外的参数和计算量的增加。

处理多尺度问题的方法

1 图像金字塔，传统的检测算法
2 特征金字塔，FPN
3 本文的三叉戟网络，分为3个分支，所有的参数都一样，唯一的区别就是膨胀卷积的膨胀率不一样
膨胀卷积Dilated Convolution（空洞卷积Atrous Convolution）：
假设膨胀率为ds，使用的卷积核大小33，则使用膨胀卷积的感受野大小为3+22*(ds-1)
1 ds=1，表示不进行膨胀，感受野为33
2 ds=2，表示进行膨胀，感受野为77
3 ds=4，表示进行膨胀，感受