DetNet: backbone model用于object detection论文笔记

DetNet是由旷视与清华大学联合开发的一种网络架构。

论文中指出，DetNet的主要贡献体现在以下三个层面：

1、首次对传统ImageNet预训练模型在目标检测任务中进行微调时所存在的固有缺陷进行了深入分析。

2、创新性地提出了一种全新的网络结构——DetNet，该结构专为提升目标检测性能而设计，其核心优势在于能够在维持空间分辨率的同时扩展感受野。

3、基于复杂度较高的DetNet59架构，在MSCOCO数据集上的目标检测与实例分割任务中取得了显著成效。

由于目标检测任务与ImageNet分类任务存在本质差异，前者不仅需要识别物体类别，还需完成对边界框的精确定位。因此，专门针对目标检测需求设计了DetNet网络。

FPN的核心作用在于整合从低层至高层的特征图，从而全面利用各阶段所提取到的特征信息。

论文中分析了FPN存在的一些不足之处：

1、网络中各阶段的数量存在差异。

2、大型物体在图像中的可见性较弱。较大的步长会对目标定位产生不利影响，导致物体边界模糊，难以实现精准的回归操作。随着下采样次数的增加，步长也会随之增大。

3、小型物体在图像中容易被忽略。较大的步长可能会