Scale-Aware Trident Networks for Object Detection

《Scale-Aware Trident Networks for Object Detection》发表于ICCV2019的一篇图片检测的文章。

代码地址：https://github.com/TuSimple/simpledet/tree/master/models/tridentnet

文章的主要思路是解决多尺度物体检测的问题。目前一种很常用的解决多尺度物体检测的方法是采用fpn的结构，然后使用fpn不同输出层的featuremap来对不同大小的物体进行检测。文章认为采用fpn的方式来检查不同大小的物体会降低网络的训练速度，而且还可能导致不同尺度的层容易产生过拟合。文章利用dilate convolution（空洞卷积）来对多尺度的物体进行检测，并且可以规避fpn带来的负面影响。

一、网络结构

文章网络取名为trident，可以想象网络的结构类似于三叉戟的样子，如下图所示，最后利用nms将三个分支的结果合并。

三叉戟的网络细节如下图所示，这里每个分支都是使用resnet来构成的，都是由一个$1\times 1$卷积接一个$3\times 3$再接一个$1\times 1$的残差块构成，唯一的区别是三个分支中$3\times 3$的卷积采用的是空洞卷积，而且每个分支空洞卷积的系数是不一样的，目的就是为了使得三个分支的感受野不一样，从而有效的检测出不同大小的物体。为了防止引入三个分支，也就是很多参数，可能有过拟合的问题，所以这三个分支采用了权重共享的方式来减轻这个问题。

二、scale-aware

这里文章所说的是类似于SNIP文章来做的，我看的好像是采用FPN的方式，对每个分支定义不同大小的目标来进行训练，三个分支分别检测的范围是[0, 90], [30, 160], [90, $\inf$]，这个范围是对于框面积的更号来讲的，即$\sqrt{w\ast h}$

三、loss

loss计算文章没有说明，毕竟不是本文重点，所以想知道的可以看看代码，每个分支采用的就是类似fasterrcnn的two-stage结构来做的

还有一些快速推断的track，就是在推断过程采用中间的分支来做的。

原理基本就这些，想知道更多实验结果可以查看原文和官方提供的代码