M2Det: A Single-Shot Object Detector based on Multi-Level Feature PyramidNetwork

• 文章提出了一种“更加高效”的multi-scale detection方法来应对目标的multi-scale问题，并取得了state of art的效果：
• 
• 网络结构如下：
• 
• 个人觉得文章写得很差，因为一直在贬低别人，出现了很多simply来形容别人的方法
• 但是文中有一个说法挺有意思的，以后有时间可以验证一下，说浅层特征有利于定位而深层特征有利于分类；同一层特征对不同复杂度的目标提取情况不一样，相同尺寸下的两个目标，较复杂的目标（人）适合在靠后的特征图上进行辨别而较简单的目标（红绿灯）适合在考前的特征图上进行辨别，因此目标的检出在哪一层比较好，不仅取决于目标的大小，还取决于目标的复杂程度
• 针对上述说法，本文提出的方案就是这个网络结构，首先把backbone中不同层的特征融合起来作为后面的使用，然后再利用多个encoder-decoder的结构使得最终用于检测的特征图的每个尺度具有多个深度的信息
• feature fusion中还利用了channel-wise的attention（Squeeze-and-excitation networks）来处理concatenate后的各个尺度的特征图