三叉戟網路

今天為大家介紹一篇圖森科技在iccv 2019的目標檢測**《scale-aware trident networks for object detection》，簡稱tridentnet，中文翻譯為三叉戟網路。**位址見附錄。

我們知道在目標檢測任務中，尺度變化一直是很關鍵的問題。針對尺度變化問題，也有很多的方案被提出，如figure 1所示：

**提出了tridentnet，基於resnet-101骨架網路在coco資料集上達到了單模型48.4的準確率，重新整理coco紀錄。tridentnet的主要貢獻在於：

假設膨脹率為[公式]，使用的卷積核大小為[公式]，則使用膨脹卷積的感受野大小為[公式]，例如：

可以不增加額外的參數量。和**的出發點一致，即不同尺度的物體應該以同樣的表徵能力進行統一的轉化。在不同的感受野下，可以對不同尺度範圍訓練相同的引數。

本文的另外乙個值得稱道的地方就是實驗做的非常棒。首先來看multi-branch ，weight-sharing， scale-aware有效性證明，如table2所示。可以看到都比baseline好並且當三部分都加上的時候效能達到最高。注意一下，table2是在cico驗證集上進行的測試。

好了，做乙個簡短的總結吧。tridentnet是一種尺度敏感的檢測網路，並且訓練過程也要進行多尺度訓練。檢測準確性很高，並且不會有額外的引數，額外的計算量，是aspp結構的靈活應用。

**原文

官方實現