Light-Head R-CNN学习笔记
在这篇文章里，作者主要分析了：
为什么two-stage detector会慢，主要慢在哪？
如何在解决速度慢同时保证精度？
文中，作者把 two-stage 拆解成 body 跟 head:
body: 生成proposal(RoI)的过程, 即: ROI warping.
head: 基于proposal的recognition过程, 即: RCNN subnet.
作者认为，目前的算法，为了追求best accurcy，一般都会把head设计的非常heavy，所以即使我们把前面的base model变小，还是无法明显提升检测速度。
下面的Figure1为我们展示了Faster R-CNN，R-FCN，Light-Head RCNN在结构上的对比图。
我们知道，由于Faster RCNN经过ROI Pooling之后需要对每个候选框进行检测，这是特别耗时的，特别是图片中目标很多时。针对这种情况，R-FCN将所有的权重共享，并引入了Position Sensitive Score Map来解决CNN的位置不敏感性，所以在R-FCN中将Score Map的通道设计为P^2(C+1)个，因为对于COCO数据集来说就需要3969个通道，这样就极大的增加了运算的复杂度，基于这一点Light-Head RCNN的出发点就是是否可以将这个特征图变薄？但一旦将特征图变薄，那么R-FCN里面的vote方式产生预测结果就不能用了，所以需要增加全连接层做输出映射。
相对于Faster RCNN来讲，Light-Head RCNN的检测头部分是做了轻量化的，从上图可以看到Light-Head RCNN中的Region Proposal的通道数变小了，只有490层，并且只有一个全连接层，参数量大幅减少了。
（这里这个490是怎么来的，一脸懵逼，还有怎么缩减成490的？还是一脸懵逼）
另外论文还在BackBone的最后一层卷积中加入了可分离卷积，以减少该层卷积的运算复杂度，同时实现两路卷积以增加不同的感受野。
Inception 3中将大小为k_k的卷积核，用1_k和k*1的两层卷积来代替。使用这种卷积替换之后，可以在计算结果一致的前提下减少计算量。减少的计算量，大致为原来的k/2，文中作者将k取15，因此这里大大减少了计算了。当然，计算复杂度还跟 C_mid 和 C_out 有关。
下面是精度和速度比较图：