【目标检测】多尺度问题：TridentNet/

前言

多尺度问题是目标检测里老生常谈的话题了。

SNIPER

文章来源：https://arxiv.org/pdf/1805.09300.pdf

TridentNet

文章来源： https://arxiv.org/pdf/1901.01892.pdf

文章首先通过实验证明了感受野和待测物体尺寸匹配的重要性。大的感受野配大的待测物体。增大感受野的方式就是将普通卷积替换为带孔卷积。
下图为Trident block结构。 总共有三个分支，每个分支使用同一套卷积参数，只不过带孔卷积的dilation rate不同。Output1对小目标效果较好，Output2对中等目标效果好，Output3对大目标效果好。
虽然参数量没变，但推断过程的时间增加了，因为需要算三路输出。若想加速，可以仅使用折中的Output2.

训练的时候每个branch负责尺寸在一个范围内的目标（scale aware）。设branch i的预测范围是$[l_i,u_i]$[li​,ui​]，真实框的宽高为w,h，则用branch i 训练当且仅当$l_i \le \sqrt{wh}\le u_i$li​≤wh​≤ui​