class-awaredetector和class-agnosticdetector：https://blog.csdn.net/yeyang911/article/details/68484486 既解决多尺度，又解决小物体 1.实现的细节：rpn阶段用了5个stage，fast阶段只用了4个st...

resnet的skipconnection用的也是eltwise相加fpn的浅层和高层融合用的eltwise相加hyper-net和ion都是使用的concat的方式   hyper-net网络结构https://blog.csdn.net/qq_35608277/article/deta...

通常，利用网络对物体进行检测时，浅层网络分辨率高，学到的是图片的细节特征，深层网络，分辨率低，学到的更多的是语义特征。1)、通常的CNN使用如下图中显示的网络，使用最后一层特征图进行预测例如VGG16，feat_stride=16,表示若原图大小是1000*600，经过网络后最深一层的特征图大小是60*40，可理解为特...