RefineDet + Dynamic Anchor Feature Selection for Single-Shot Object Detection

• Single-Shot Refinement Neural Network for Object Detection
  作者認爲如果Single-Stage的網絡借鑑Two-Stage網絡中的設計理念，可以進一步提高檢測精度，同時又不失去檢測速度。Two-Stage網絡相對於Single-Stage網絡的效果好主要有以下幾個原因：
  （1）兩階段可以篩選掉一些negative，進而解決類別不平衡問題。
  （2）兩次迴歸邊界框。
  （3）使用兩階段特性來描述對象。
  如果將這種設計思路運用到Single-Stage網絡中，那麼最終的網絡既有Single-Stage的速度，又有Two-Stage的準確度，這也是本文所做的工作。網路設計圖如下：
  
  網絡主要由三部分組成：Anchor Refinement Moudle；Transfer Connection Block；Object Detection Moudle

-Anchor Refinement Moudle
ARM模塊類似於Faster RCNN中的RPN模塊，主要用來產生proposal，並對anchor進行初步的篩選和微調。ARM模塊的輸出是anchor的微調回歸向量和前景/背景的概率。這樣設計，通過前景/背景概率就可以對anchor進行篩選，過濾掉一些negative的anchor，從而解決類別不平衡問題。同時還可以對anchor進行粗略的修正。

-Object Detection Moudle
ODM模塊主要接受來自ARM模塊經過調整後的anchor，ODM和ARM模塊有着相同的feature-map-size，將調整過後的anchor輸入到ODM模塊，抽取對應區域的feature map進行分類和迴歸。

-Transfer Connection Block
TCB模塊主要是用來連接ARM和ODM模塊，TCB結構如圖所示：

TCB將ARM中的高層次feature和低層次的feature進行融合，然後輸出爲ODM對應的特徵。

2. Dynamic Anchor Feature Selection for Single-Shot Object Detection
   本文是在RefineDet的基礎上進行的改進，主要創新點有兩方面：
   （1）ARM調整後的anchor在ODM模塊中會自動選擇特徵區域（ Dynamic Feature selection）。
   （2）使用Bidirectional feature fusion（BFF）代替TCB模塊，既將高層特徵融合到底層，也將底層特徵融合到高層。

RefineDet中使用ARM模塊對anchor進行微調，然後將微調後的anchor送到ODM模塊中進一步的預測。但是，對比ODM模塊和SSD就會發現。ODM中輸入的anchor尺寸不在是固定的，而是經過調整之後的。也就是說，在SSD中anchor的W，H是一個標量，但在ODM卻成了一個變量。更爲重要的是，anchor成爲一個變量後，ODM中的輸入並沒有發生變化，依舊是原始未經過調整anchor對應的feature-map（我是這麼理解的），這種不對等性限制了網絡的性能。

所以文章借鑑了ROIAlign策略，使得調整後的anchor可以自動的選擇feature points

對於RefineDet中的TCB模塊之進行了高層特徵到底層的融合，而在本文中，還進行了底層特徵到高層的融合，主要使用的是BFF（Bidirectional feature fusion）模塊，網絡整體結構如下：