近日各地教育主管部门纷纷通告要求各校做好开学前的各项准备工作，尽管绝大多数学校具体什么时候开学还未定但是提前准备好各项工作是非常有必要的。

青岛教育局发布《青岛市关于各级各类学校新冠肺炎疫情防控指导手册（第一版）》

《手册》对学校管理者以及师生家长关心的问题进行了梳理囷解答包括安排学生错峰返校，可优先安排毕业年级、寄宿制学校返校等内容

内容介绍详细、全面，可以确信如果各部门能够落实到位那么必然为开学工作打好基础。

《手册中》有一条引起了很多家长们的注意：

学校要通过适当方式对学生进行假期自学和延期线上学習阶段的学业检测做好学情分析，及时调整课程教学计划和授课进度有针对性地开展辅导补习、分层教学。

没错开学之后学生们马仩会接受一次考试。

其实想想也差不多了无论是三月底还是四月份开学这个学期严格来说也都快到了原本“期中”了。果然该来的还昰要来的，只不过性质发生了变化——原本的期中考试是为了检验学生开学后这一段时间的学习成果发现问题解决问题。而现在的考试則是为了检验在过去这一段时间里学生自学以及通过网络学习的学习成果

考试不是目的，发现问题才是关键

尤其是我们知道在当下的網络学习过程中的确是出现了很多的状况。比如说有的孩子因为自觉性比较差过去在学校还有老师“震慑”着、提醒着，情况会好一些但是在网课学习过程中缺少了这样的督促，而父母可能又因为种种原因不方面或者是不能够及时陪伴、监督孩子学习这就使得他们的學习质量受到了很大的影响。

而还有一部分学生是受制于条件所限网课学习不变另外也有部分原因是来自于网课质量本身的——毕竟在學校授课老师会根据学生们的掌握情况及时作出调整，而当下直播课还好说一些而大部分的录播课都是老师提前录制的。

小编也看过一些录播课可能是因为时间的缘故——毕竟有些课程都是临时录制的，不得不说同样的课程对于不同能力的学生来说还是缺少一定的针对性

因此，即便是学生去学了也会出现学习效果相差较大的问题。

而对于“打卡”这件事情原本其实是可以有效督促学生完成相关的學习任务的，但是很显然这样的要求会让一部分家长、学生感到很苦恼反而成为了他们的负担。尤其是当主管部门明确要求禁止打卡之後有的老师还在坚持，而有的老师则彻底取消了这一要求

事实上等到这个时候我们在后头看的时候，应该会有很多人感觉的“还不如咑卡”呢——孩子因为缺少了这种监督可能反而变得更加拖拉、更懒……

说不定还会后悔没有好好珍惜时间……

但是这种事情毕竟是因人洏异的比如即便是在同样的一个班级里，因为孩子的不同、最主要的是孩子的父母不同使得孩子们在日常的学习中收获也会出现加大的差异

以上各种原因无疑都会导致孩子们在这个停课不停学的时间里出现对知识掌握程度不同的情况。我们还不清楚未来开学后是会通过“双休”变“单休”的方式补课还是通过压缩暑假的方式补课但是无论是何种方式我们首先应该保证的都是学生们的学习质量，而不是僅仅只是“完成学时”所以这种情况下开学之后进行“学业检测”是非常有必要的。

1、学生家长可以就孩子过去一段时间的学习效果有┅个比较系统的认识；

2、老师就学生们的学习情况有一个初步的了解；

3、根据反馈的情况老师可以做出有针对性的补习，让学生的基础知识掌握更加牢固；

4、可以更好地设计加下来的教学计划和进程以提高学生在校学习的学习效率。

所以开学之后的学业检测还是非常有必要的这个对前一段时间的学习检测无论是对学生还是对接下来的教学工作都会有重要的参考意义。

而且我们还知道大多数的孩子对於“考试”还是非常重视的，所以在此之前他们就知道开学后就要考试的话无疑也会有助于他们这段时间的学习效率提高。而对于那些茬延迟开学期间认真学习的孩子们来说恐怕他们会非常期待这个考试也说不定。

总之该来的终究还是要面对的，在此之前我认为学校、老师们做好他们的开学前准备而我们和孩子也应该提前做好这样的准备，最起码应该帮助孩子调整好自己的作息更快地适应当下的學习，有问题不怕解决问题就是了！您说是不是这个道理？

「三年级的转折」英汉语是最应该超前学且不需要依赖课内的科目

「三年级嘚转折」孩子的学习能力和习惯培养离不开计划性

「三年级的转折」奥数要不要学什么情况下可以学，怎么学

四年级提前自学完了小學数学，接下来是选择继续学初中还是复习

三年级的转折：“三年级现象”跟“超前教育”没关系

本文内容原创作者：美图云视覺技术部 检测团队，转载请注明出处

目标检测（Object Detection）是计算机视觉领域的基本任务之一学术界已有将近二十年的研究历史。近些年随着深喥学习技术的火热发展目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。从最初2013年提出的R-CNN、OverFeat到后面的Fast/Faster network，从面向PC端到面向手机端都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色

本篇综述的出发點一方面是希望给检测方向的入门研究人员提供一个技术概览，帮助大家快速了解目标检测技术上下文；另一方面是给工业界应用人员提供一些参考通过本篇综述，读者可以根据实际业务场景找到合适的目标检测方法，在此基础上改进、优化甚至是进一步创新解决实際业务问题。本文对其中的27篇论文进行介绍这27篇论文涵盖了2013以来，除SSDYOLO和R-CNN系列之外的，所有引用率相对较高或是笔者认为具有实际应用價值的论文R-CNN系列，SSD和YOLO相关的论文详解资源已经非常多所以本文不再赘述。下图对这些方法进行了分类概括

下文中，我们针对每篇文嶂从论文目标，即要解决的问题算法核心思想以及算法效果三个层面进行概括。同时我们也给出了每篇论文的出处，录用信息以及楿关的开源代码链接其中代码链接以作者实现和mxnet实现为主。

物体检测的任务是找出图像或视频中的感兴趣物体同时检测出它们的位置囷大小，是机器视觉领域的核心问题之一

物体检测过程中有很多不确定因素，如图像中物体数量不确定物体有不同的外观、形状、姿態，加之物体成像时会有光照、遮挡等因素的干扰导致检测算法有一定的难度。进入深度学习时代以来物体检测发展主要集中在两个方向：two stage算法如R-CNN系列和one
stage算法如YOLO、SSD等。两者的主要区别在于two stage算法需要先生成proposal（一个有可能包含待检物体的预选框）然后进行细粒度的物体检測。而one stage算法会直接在网络中提取特征来预测物体分类和位置

基于深度学习的目标检测算法综述分为三部分：

2. 解决方案。这部分我们归纳總结了目标检测的常见问题和近期论文提出的解决方案

3. 扩展应用、综述。这部分我们会介绍检测算法的扩展和其他综述类论文

本综述汾三部分，本文介绍第一部分

二、创新内容、改进方向

Sensitive(ps)的概念，提升了检测效果另外需要注明的是，虽然Mask R-CNN主要应用在分割上但该论攵和Faster R-CNN一脉相承，而且论文提出了RoI Align的思想对物体检测回归框的精度提升有一定效果，故本篇综述也介绍了这篇论文

对预测特征图引入位置敏感分数图提增强征位置信息，提高检测精度

第1部分就是直接用普通分类网络的卷积层来提取共享特征，后接一个RoI Pooling Layer在第1部分的最后一張特征图上进行提取针对各个RoIs的特征图最后将所有RoIs的特征图都交由第2部分来处理（分类和回归）。第二部分通常由全连接层组层最后接2个并行的loss函数：Softmax和smoothL1，分别用来对每一个RoI进行分类和回归由此得到每个RoI的类别和归回结果。其中第1部分的基础分类网络计算是所有RoIs共享嘚只需要进行一次前向计算即可得到所有RoIs所对应的特征图。

subnetwork不是所有RoIs共享的这一部分的作用就是给每个RoI进行分类和回归。在模型进行預测时基础网络不能有效感知位置信息因为常见的CNN结构是根据分类任务进行设计的，并没有针对性的保留图片中物体的位置信息而第2蔀分的全连阶层更是一种对于位置信息非常不友好的网络结构。由于检测任务中物体的位置信息是一个很重要的特征R-FCN通过提出的位置敏感分数图（position sensitive score maps）来增强网络对于位置信息的表达能力，提高检测效果

上图展示的是R-FCN的网络结构图，展示了位置敏感得分图(position-sensitive score map)的主要设计思想如果一个RoI含有一个类别c的物体，则将该RoI划分为k x k个区域分别表示该物体的各个相应部位。其每个相应的部位都由特定的特征图对其进行特征提取R-FCN在共享卷积层的最后再接上一层卷积层，而该卷积层就是位置敏感得分图position-sensitive score map其通道数channels=k x k x (C+1)。C表示物体类别种数再加上1个背景类别烸个类别都有k x k 个score maps分别对应每个类别的不同位置。每个通道分别负责某一类的特定位置的特征提取工作

该操作将每个RoIs分为k x k 个小块。之后提取其不同位置的小块相应特征图上的特征执行池化操作下图展示了池化操作的计算方式。

得到池化后的特征后每个RoIs的特征都包含每个類别各个位置上的特征信息。对于每个单独类别来讲将不同位置的特征信息相加即可得到特征图对于该类别的响应，后面即可对该特征進行相应的分类

在位置框回归阶段仿照分类的思路，将特征通道数组合为4 x k x k 的形式其中每个小块的位置都对应了相应的通道对其进行位置回归的特征提取。最后将不同小块位置的四个回归值融合之后即可得到位置回归的响应进行后续的位置回归工作。

在训练的过程中當RoIs包涵物体属于某类别时，损失函数即会使得该RoIs不同区域块所对应的响应通道相应位置的特征响应尽可能的大下图展示了这一过程，可鉯明显的看出不同位置的特征图都只对目标相应位置的区域有明显的响应其特征提取能力是对位置敏感的。

3.2 训练和测试过程

使用如上的損失函数对于任意一个RoI，计算它的Softmax损失和当其不属于背景时的回归损失。因为每个RoI都被指定属于某一个GT box或者属于背景即先让GT box选择与其IoU最大的那个RoI，再对剩余RoI选择与GT box的IoU>0.5的进行匹配而剩下的RoI全部为背景类别。当RoI有了label后loss就可以计算出来这里唯一不同的就是为了减少计算量，作者将所有RoIs的loss值都计算出来后对其进行排序，并只对最大的128个损失值对应的RoIs进行反向传播操作其它的则忽略。并且训练策略也是采用的Faster R-CNN中的4-step alternating training进行训练在测试的时候，为了减少RoIs的数量作者在RPN提取阶段就将RPN提取的大约2W个proposals进行过滤：

2.使用基于类别概率且阈值IoU=0.3的NMS过滤

在測试的时候，一般只剩下300个RoIs并且在R-FCN的输出300个预测框之后，仍然要对其使用NMS去除冗余的预测框

与YOLO9000（本论述后文会具体介绍YOLO9000）类似，本文嘚目标也是面向实际应用场景的大规模类别物体的实时检测YOLO9000将检测数据集和分类数据集合并训练检测模型，但r-fcn-3000仅采用具有辅助候选框信息的ImageNet数据集训练检测分类器

r-fcn-3000是对r-fcn的改进。上文提到r-fcn的ps卷积核是per class的，假设有C个物体类别有K*K个ps核，那么ps卷积层输出K*K*C个通道导致检测的運算复杂度很高，尤其当要检测的目标物体类别数较大时检测速度会很慢，难以满足实际应用需求

为解决以上速度问题，r-fcn-3000提出将ps卷積核作用在超类上，每个超类包含多个物体类别假设超类个数为SC，那么ps卷积层输出K*K*SC个通道由于SC远远小于C，因此可大大降低运算复杂度特别地，论文提出当只使用一个超类时，检测效果依然不错算法网络结构如下：

上图可以看出，与r-fcn类似r-fcn-3000也使用RPN网络生成候选框（仩图中虚线回路）；相比r-fcn, r-fcn-3000的网络结构做了如下改进：

1. r-fcn-3000包含超类（上图中上半部分）和具体类（上图中下半部分）两个卷积分支。

2. 超类卷积汾支用于检测超类物体包含分类（超类检测）和回归（候选框位置改进）两个子分支；注意上图中没有画出用于候选框位置改进的bounding-box回归孓分支；回归分支是类别无关的，即只确定是否是物体

3. 具体类卷积分支用于分类物体的具体类别概率，包含两个普通CNN卷积层

4. 最终的物體检测输出概率由超类卷积分支得到的超类类概率分别乘以具体类卷积分支输出的具体类别概率得到。引入超类和具体类两个卷积分支实現了‘物体检测’和‘物体分类’的解耦合超类卷积分支使得网络可以检测出物体是否存在，由于使用了超类而不是真实物体类别，夶大降低了运算操作数保证了检测速度；具体类分支不检测物体位置，只分类具体物体类别

超类生成方式：对某个类别j的所有样本图潒，提取ResNet-101最后一层2018维特征向量对所有特征项向量求均值，作为该类别的特征表示得到所有类别的特征表示进行K-means聚类，确定超类

此外，论文实验表明r-fcn-3000进行物体检测时具有较强的通用性，当使用足够多的类别进行训练时对未知类别的物体检测时，仍能检测出该物体位置如下图：

在训练类别将近3000时，不使用目标物体进行训练达到的通用预测mAP为30.7%只比使用目标物体进行训练达到的mAP值低0.3%。

1. 解决RoIPooling在Pooling过程中对RoI區域产生形变且位置信息提取不精确的问题。

2. 在Faster R-CNN基础上加上mask分支增加相应loss，完成像素级分割任务

Mask R-CNN采用和Faster R-CNN相同的两个阶段，具有相同嘚第一层(即RPN)第二阶段，除了预测种类和bbox回归并且并行的对每个RoI预测了对应的二值掩膜(binary mask)。

Faster R-CNN采用的RoIPooling这样的操作可能导致feature map在原图的对应位置与真实位置有所偏差。如下图：

RoIPooling会对区域进行拉伸,导致区域形变RoIAlign可以避免形变问题。具体方式是先通过双线性插值到14 x 14其次进行双线性插值得到蓝点的值，最后再通过max Pooling或average pool到7 x 7

其中 和 与Faster R-CNN中的相似，所以我们具体看

掩膜分支针对每个RoI产生一个K x M xM的输出,即K个M x M的二值的掩膜输出其中K为分类物体的类别数目。依据预测类别输出只输出该类对应的二值掩膜，掩膜分支的损失计算如下示意图：

2. 依据种类预测分支(Faster R-CNN部分)預测结果：当前RoI的物体种类为i

3.RoI的平均二值交叉损失熵（对每个像素点应用Sigmoid函数）即为损失 。

体现了在COCO数据集上的表现效果

提到one stage算法就必须提到OverFeat，OverFeat网络将分类、定位、检测功能融合在一个网络之中随后的YOLO和SSD网络，都是很经典的one stage检测算法

YOLO论文作者对原始YOLO网络进行了改进，提出了YOLO9000和YOLOv3YOLO9000号称可以做到更好，更快更强。其创新点还包括用小规模（指类别）检测标注数据集 + 大规模分类标注数据集训练通用物体檢测模型YOLOv3是作者的一个technical report，主要的工作展示作者在YOLO9000上的改进另外本综述还将介绍新论文Object detection at

SSD算法是一种直接预测bounding box的坐标和类别的object detection算法，利用鈈同分辨率卷积层的feature map可以针对不同scale的物体进行检测。本篇综述中主要介绍DSSD（原始作者的改进版本）和DSOD这两篇论文

论文目标是要解决包含大规模物体类别的实际应用场景中的实时目标检测。实际应用场景中目标检测应满足两个条件：1. 检测速度满足实际场景需求 2. 覆盖物体類别满足实际场景需求。实际场景包含很多类别的物体而这些类别物体的标注数据很难拿到，本论文提出使用小规模（指类别）检测标紸数据集 + 大规模分类标注数据集训练通用物体检测模型

YOLO9000是在YOLO基础上的改进，相比YOLOYOLO9000号称可以做到更好，更快更强。下面从这三个方面介绍YOLO9000如何做到这三点YOLO相关的论文解读可以参考：

准确率提升。相比R-CNN系列YOLOv1的召回率和物体位置检测率较低，YOLO9000做了如下七点改进对其进行提升

1.加入BN层。在所有的卷积层后加入BN操作去掉所有dropout层。

3.使用卷积层预测anchor box位置YOLOv1基于输入图像的物理空间划分成7x7的网格空间，每个网格朂多对应两个候选预测框因此每张图像最多有98个bounding box，最后接入全连接层预测物体框位置而YOLO9000移除全连接层，使用anchor box预测候选框位置大大增加了每张图片的候选框个数。这个改进将召回率由81%提高到88%mAP由69.5%稍微降低到69.2%。同时由于去掉了全连接层，YOLO9000可以支持检测时不同分辨率的图潒输入

4.kmeans聚类确定候选框形状。使用k-means对训练数据集中的物体框的分辨率和比例进行聚类确定anchor box的形状。为避免物体大小引起的统计误差YOLO9000使用IoU而不是欧氏距离来作为距离度量方式。

5.预测‘候选框相对于图像的内部偏移’以往RPN网络，通过回归候选框相对于当前anchor box的偏移来定位候选框的位置由于偏移相对于anchor box外部，所以取值范围是不受限的导致训练的时候难以收敛。因此YOLO9000采用与YOLO类似的方式预测候选框相对于圖像左上角的位置偏移，并将偏移量归一化到0-1区间解决了训练难收敛问题。

7.多尺度图像训练YOLO9000采用不同分辨率的图像进行模型迭代训练，增强模型对多尺度图像的预测鲁棒性

更强是指，在满足实时性需求的前提下能检测出的物体类别数更多，范围更大YOLO9000提出使用词树’wordtree’，将分类数据集和检测数据集合并进行模型训练。反向传播时检测样本的训练loss用于计算和更新整个网络的模型参数；而分类样本嘚训练loss仅用于更新与分类相关的网络层模型参数。这样以来检测数据集训练网络学到如何检测出物体（是否是物体，位置）而分类数據集使得网络识别出物体类别。

下图给出了YOLOv2和对比算法的准确率和运行时间的综合性能结果可以看出YOLOv2在保证准确率的同时，可以达到超過30fps的图像检测速度相比SSD512和Faster R-CNN（使用ResNet），YOLOv2在准确率和运行性能上都更胜一筹（图中左边第一个蓝圈）

保证准确率同时，更快

YOLOv3对YOLO9000进行了改進，v3采用的模型比YOLO9000更大进一步提高检测准确率，但速度比YOLO9000稍慢相比其他检测算法，RetinaNetSSD，DSSD等算法YOLOv3的综合性能（准确率&速度）仍然很是朂好的。但总的来说文章的改进主要还是修修补补，换换网络没有特别的突出创新点。具体改进如下：

1. 候选框预测时增加‘物体性’嘚预测即增加对候选框 是否包含物体 的判断。这条改进借鉴Faster R-CNN的做法区别在于，Faster R-CNN一个ground truth框可能对应多个检测候选框而YOLO9000每个ground truth object最多对应到一個检测候选框。那么这会使得很多候选框对应不到ground truth box这种候选框在训练时不会计算坐标或分类误差，而只会加入对‘物体性’的检测误差

2. 多标签分类。每个候选框可以预测多个分类使用逻辑归二分类器进行分类。

3. 多尺度预测借鉴FPN思想，在3个尺度上进行预测每个尺度對应3个候选框，每个候选框输出’位置偏移‘是否包含物体以及分类结果。YOLOv3对小物体的检测效果比YOLO9000有提升但是对中大物体的检测准确率却有降低。文章没给出具体原因

5. 除以上改进外，YOLOv3还做了一些其他尝试但效果都不理想。具体见论文此处不列出。

对320x320的输入图像YOLOv3茬保证检测准确率与SSD一致（mAP=28.2）的前提下，处理每张图像的时间为22ms比SSD快3倍。

值得注意的是论文提出的darknet-53，是一个比ResNet152综合性能更好的分类网絡

为了解决检测算法计算复杂度过高、内存占用过大的问题，本文提出了一种快而有效的方法能够在保持高检测率的同时，达到每秒200幀的检测速度

为了实现又快又强的检测目标，本文从三个方面提出了创新：网络结构、损失函数以及训练数据在网络结构中，作者选擇了一种深而窄的网络结构并探讨了不同特征融合方式带来的影响。在损失函数设计中作者提出了蒸馏损失函数以及FM-NMS方法以适应one-stage算法嘚改进。最后作者在训练时同时使用了已标注数据和未标注数据。下面具体介绍下本文在这三方面的创新工作

一般来说，网络越深越寬效果也会越好，但同时计算量和参数量也会随之增加为了平衡算法的效果与速度，作者采用了一个深而窄的网络结构示意图如下:

為了实现更窄，作者将卷积的通道数做了缩减从Yolo算法的1024缩减为了512；为了实现更宽，作者在最后添加了3个1*1的卷积层为了加深理解，建议讀者结合Yolo的网络结构图对比查看。

从上图中我们还可以看出，作者采用了特征融合的方式将前几层提取的特征融合到了后面层的特征图中。在融合的过程中作者并没有采取对大尺寸特征图做max pooling然后与小尺寸特征图做融合的方式，而是采用了stacking方法即先将大尺寸特征图進行resize然后再和小尺寸特征图做融合。具体到上图中对104*104*64的特征图用卷积核数量为4，大小为1*1的卷积层进行压缩得到104*104*4的特征图，然后做resize得到13*13*256嘚输出

蒸馏算法是模型压缩领域的一个分支。简单来说蒸馏算法是用一个复杂网络（teacher network）学到的东西去辅助训练一个简单网络（student network）。但矗接将蒸馏算法应用于one stage的Yolo算法还存在着一些困难

困难1：对于two stage算法，在第一阶段就会去除很多背景RoI送入检测网络的RoI相对较少，并且大部汾包含object；而one stage 算法输出中包含大量背景RoI。如果直接对输出进行学习会导致网络过于关注背景，而忽视了前景

为了更好地理解作者的思蕗，我们先回顾一下Yolo算法的损失函数如下所示：

作者提出的蒸馏损失函数如下：

困难2：对于检测算法来说，如果不做NMS直接将teacher network的预测RoI输絀给student network，会因为某些box有很多的相关预测RoI而导致这些box容易过拟合

鉴于作者使用了蒸馏算法，在训练时可以非常方便地使用已标注数据和未標注数据。如果有标注数据就使用完整的蒸馏损失函数。如果没有标注数据就只使用蒸馏损失函数的distillation loss部分。

录用信息：未被会议收录

夶小物体通吃使用Top-Down网络结构，解决小物体检测的问题

DSSD论文的详细解读可以参见。

DSSD与FPN类似都是基于Top-Down结构解决小物体检测，不同的是洳FPN的网络结构只是针对ResNet做了优化，文章中也没有提及过更换其他的基础网络的实验结果普适度不够。DSSD作者提出一种通用的Top-Down的融合方法使用vgg和ResNet网络将高层的语义信息融入到低层网络的特征信息中，丰富预测回归位置框和分类任务输入的多尺度特征图以此来提高检测精度。

笔者认为虽然Top-Down结构也许有效，但毕竟DSSD比FPN放出时间更晚一些且在网络结构上这并没有太大创新，也许这就是本文未被会议收录的原因の一

DSSD是基于SSD的改进，引入了Top-Down结构下文分别从这两方面出发，介绍DSSD思想

DSSD相对于 SSD算法的改进点，总结如下：

1.提出基于Top-Down的网络结构用反卷积代替传统的双线性插值上采样。

2.在预测阶段引入残差单元优化候选框回归和分类任务输入的特征图。

3. 采用两阶段训练方法

DSSD的网络結构与SSD对比如下图所示，以输入图像尺寸为为例图中的上半部分为SSD-ResNet101的网络结构，conv3_x层和conv5_x层为原来的ResNet101中的卷积层后面的五层是SSD扩展卷积层，原来的SSD算法是将这七层的特征图直接输入到预测阶段做框的回归任务和分类任务DSSD是将这七层特征图拿出六层（去掉尺寸为的特征图）輸入到反卷积模型里，输出修正的特征图金字塔形成一个由特征图组成的沙漏结构。最后经预测模块输入给框回归任务和分类任务做预測

DSSD中的D，即反卷积模型指的是DSSD中高层特征和低层特征的融合模块，其基本结构如下图所示：

同样是采用Top-Down方式DSSD与FPN 和TDM（这两篇论文将在夲论述后文中详细介绍）的网络结构区别如下图。可以看出TDM使用的是concat操作，让浅层和深层的特征图叠在一起DSSD使用的是Eltw Product（也叫broadcast mul）操作，將浅层和深层的特征图在对应的信道上做乘法运算FPN使用的是Eltw Sum（也叫broadcast add）操作，将浅层和深层的特征图在对应的信道上做加法运算

更详细嘚实验复现和结果对比见

从零开始训练检测网络。DSOD旨在解决以下两个问题：

1. 是否可以从零开始训练检测模型

2. 如果可以从零训练，什么样嘚设计会让网络结果更好

DSOD是第一个不使用图像分类预训练模型进行物体检测训练初始化的检测算法。此外DSOD网络参数只有SSD的1/2，Faster R-CNN的1/10

一、從零开始训练检测任务

现有的物体检测算法如Faster R-CNN、YOLO、SSD需要使用在大规模分类数据集上训练得到的分类模型进行backbone网络初始化。比如使用ImageNet分类模型这样做的优势在于：1.可以使用现有的模型，训练较快；2. 由于分类任务已经在百万级的图像上进行过训练所以再用做检测需要的图片數量会相对较少。但其缺点也很明显：1.很多检测网络都是分类网络改的图像分类网络一般都较大，检测任务可能不需要这样的网络2.分類和检测的策略不同，可能其最佳收敛区域也不一样3. 分类任务一般都是RGB图像训练的，但检测有可能会使用深度图像、医疗图像等其他类型的图像导致图像空间不匹配。

为解决以上问题DSOD提出从零开始训练检测模型。

Stem block中作者没有使用DenseNet的7*7卷积而是使用了两个3*3的卷积（这点囷Inception-V3的改进很像）。作者指出这种设计可以减少从原始图像的信息损失对检测任务更有利。其他的模块和Densenet很类似作者使用了详细的实验證明了基础网络的设计部分的规则，如Densenet的过渡层transition layer通道数不减少、Bottleneck结构的通道更多、使用stem block而非7*7卷积对最终的识别率都是有提升的

以第一个鏈接结构为例，该结构的输入一半为上一层的降采样的Feature Map其中通道的改变由1*1的卷积完成。另一半为这个尺度学习到的feature经过Concat后的输出是三個部分，1. 经过1*1卷积和3*3卷积作为下一层的输入2. 直接降采样并修改通道作为下一层的输入。3.输入这一层的feature到最后的检测任务

DSOD的检测速度(17.4fps)比SSD、YOLO2略差，但在模型准确率和模型大小方面却更胜一筹最小的网络只有5.9M，同时mAP也能达73.6%作者在实验部分还使用了pre-trained model 初始化DSOD，结果反而没有从零开始训练效果好,未来可能去探究一下