聊聊目标检测中的多尺度检测（Multi-Scale），从 YOLO到FPN，SNIPER，SSD 填坑贴和极大极小目标识别

狙击手在放大倍焦前已经经历了大量的小目标训练，这样看似乎是RPN做的好 — David 9之前在讲SSD时我们聊过SSD的目标检测是如何提高多尺度（较大或较小）物体检测率的。我们来回顾一下，首先，较大的卷积窗口可以卷积后看到较大的物体, 反之只能看到较小的图片. 想象用11的最小卷积窗口, 最后卷积的图片粒度和输入图片粒度一模一样. 但是如果用图片长宽 的卷积窗口, 只能编码出一个大粒度的输出特征。对于yolov1，每层使用同样大小的卷积窗口, 识别超大物体或者超小物体就变得无能为力（最后一层的输出特征图是固定7*7）:YOLO架构示意图而SSD就更进一步，最后一层的检测是由之前多个尺度（Multi-Scale）的特征图共同生成的：SSD架构示意图这样SSD在计算复杂度允许的 ………………………………