论文：Hourglass Module相关整理

概述

• 最近在看一些基于anchor-free方法的目标检测论文，首先看的是CornerNet, 该方法的backbone network就为hourglass module
• hourglass module（沙漏模块）结构，可以描述为宽$\to$窄$\to$宽的样子，如下图：
  
• 一个hourglass module首先经过一系列卷积层和池化层下采样，然后再经过一系列上采样层和卷积层来上采样；但是在max pooling过程中，丢失了特征的一些细节信息，因此引入了一系列的skip layer,加和到上采样特征中。
• hourglass module好处：可以在一个单一统一结构中，捕捉到global和local的特征。

---

目标检测下，相关hourglass module论文

因为在看一些目标检测相关的论文，就整理了一下目标检测下用到hourglass network的相关论文：

DSSD : Deconvolutional Single Shot Detector

• 通过deconvolution layer来增加目标检测中large-scale context，尤其对于检测对象为小的物体时。
• 具体结构如下：
  

(CVPR 2017)Reverse connection with objectness prior networks for object detection

• 主要思路：将后面卷积层特征通过转置卷积与前一层特征做融合操作，从而使得先前卷积提取到的特征有着更多的语义信息
• 要说明的一点：SSD在检测小物体效果要低于检测大物体，其中有一点原因是只利用了前面固定层的特征，使得得到的语义信息很有限。
• 整体结构如下：
  

(CVPR 2017) Feature pyramid networks for object detection

• 影响力深远的特征金字塔结构，按照先宽$\to$窄$\to$宽的思路来看，也算是一种hourglass module
• 整体结构如下：
  

(ECCV 2018) CornerNet: Detecting Objects as Paired Keypoints

• anchor-free思想，backbone采用hourglass module
• 整体结构如下：
  

---

目前就总结这些，后续有新的理解再更新，有啥错误，也请不吝赐教。