DetNet: A Backbone network for Object Detection

ECCV2018
TsingHua University && Face++
Zeming Li

1. Motivation

当前的目标检测模型，不管是one-stage还是two-stage，都是采用的ImageNet分类数据集上预训练的分类模型来在检测数据集上fine-tune。但是分类模型应用到检测任务的主要问题是：
分类模型为了提高分类的准确率，通过很多次downsample来提高有效的receptive field。但是过多的downsample会让网络对物体的位置变化不敏感，同时容易丢失小目标的信息，以及普通目标的形状和边缘信息。这样会不利于目标检测任务。

2. DetNet Design

作者的DetNet是基于resnet-50，其基本模型以及FPN，DetNet的示意图如下所示：

B表示resnet-50的分类模型，通过5次downsample之后，feature map变成输入的1/32，然后GAP-分类。

A表示基于resnet的FPN结构，在stage5的基础上，再加了一次downsample构成stage6，然后添加一路top-down branch和低层特征图融合，在多个尺度上做预测。

C表示作者设计的DetNet结构，和FPN相比，同样是6个stage，但是stage5和stag