[论文阅读]HyperNet: Towards Accurate Region Proposal Generation and Joint Object Detection

本文是今年cvpr的一篇spotlight，也应该是目前为止faster rcnn所有变种中最好的一个。文章传送门：点击打开链接

和之前的RCNN以及之后的一些变种一样，本文也是region-based object detection framework。相比与faster rcnn，hypernet更擅长处理小物体，并且产生更高质量的proposal。

整体的框架见下图：

按照红框的依次介绍:

Network for Hyper Feature Extraction:

RCNN之后的framework在做小物体检测时有一个通病，就是物体的的信息会损失的非常厉害，比如原来32*32的物体，到最后一层feature map 只剩下了2*2，所以本文为了处理这个问题提出了两种方法，第一种，放大feature map，第二种，skip layer。按照标配输入1000*600的图最后的map size 会是62*37, 这样的话信息损失非常严重，所以作者想办法把最后的map放大到250*150，把第一层的map做一个max pooling， 把最后一层的map做