論文：Hourglass Module相關整理

概述

• 最近在看一些基於anchor-free方法的目標檢測論文，首先看的是CornerNet, 該方法的backbone network就爲hourglass module
• hourglass module（沙漏模塊）結構，可以描述爲寬$\rightarrow$窄$\rightarrow$寬的樣子，如下圖：
  
• 一個hourglass module首先經過一系列卷積層和池化層下采樣，然後再經過一系列上採樣層和卷積層來上採樣；但是在max pooling過程中，丟失了特徵的一些細節信息，因此引入了一系列的skip layer,加和到上採樣特徵中。
• hourglass module好處：可以在一個單一統一結構中，捕捉到global和local的特徵。

---

目標檢測下，相關hourglass module論文

因爲在看一些目標檢測相關的論文，就整理了一下目標檢測下用到hourglass network的相關論文：

DSSD : Deconvolutional Single Shot Detector

• 通過deconvolution layer來增加目標檢測中large-scale context，尤其對於檢測對象爲小的物體時。
• 具體結構如下：
  

(CVPR 2017)Reverse connection with objectness prior networks for object detection

• 主要思路：將後面卷積層特徵通過轉置卷積與前一層特徵做融合操作，從而使得先前卷積提取到的特徵有着更多的語義信息
• 要說明的一點：SSD在檢測小物體效果要低於檢測大物體，其中有一點原因是隻利用了前面固定層的特徵，使得得到的語義信息很有限。
• 整體結構如下：
  

(CVPR 2017) Feature pyramid networks for object detection

• 影響力深遠的特徵金字塔結構，按照先寬$\rightarrow$窄$\rightarrow$寬的思路來看，也算是一種hourglass module
• 整體結構如下：
  

(ECCV 2018) CornerNet: Detecting Objects as Paired Keypoints

• anchor-free思想，backbone採用hourglass module
• 整體結構如下：
  

---

目前就總結這些，後續有新的理解再更新，有啥錯誤，也請不吝賜教。