如何评价 Face++ 旷视科技最新出品的检测专用 backbone 网络 DetNet ？ 第1页

简单讲一下这篇文章的思路。

目前我们所有的检测算法大部分都是依赖于一个backbone网络，也就是传统大家说的ImageNet based model。但是ImageNet的base model往往是针对分类问题来train的，如果直接用来做detection/segmentation/skeleton等相关任务，其实是有比较明显的gap的。

最简单来讲，detection/segmentation等往往需要做pixel-level的定位，所以需要有尽可能大的feature map的spatial resolution。但是传统分类网络往往越卷越小，最后一个global average pool或者fc把所有spatial信息融合在一起，所以对空间信息的保存是非常不友好的。

传统大家做法是在ImageNet base model上面打补丁，比如加U-shape结构等。但是往往丢了的spatial很难被补回来。我们这篇工作希望是抛砖引玉，首先需要说明的是，我们在往这个方面努力，希望设计一个对detection/segmentation友好的网络，但是确实这个问题还是有许多需要改进的地方。

具体做法大家可以看paper细节。从结果上面来看，我们在只替换backbone网络的情况下，以更小的复杂度（少了近一倍）做到了更高的结果（超过一个多点）。无论是COCO的object detection还是instance segmentation上面，这个结果应该都是很impressive的。

最后，宣传一下我们最近的一些工作。

比如我们组去年做COCO skeleton第一的paper, 我们已经放出了完整的code

另外，我们之前的一个detection工作Light-head RCNN也放了code: