- 低层(bottom-up feature)：低级特征，框的位置预测准确，但分类可能会出错，细粒度特征
- 高层(top-down feature)：高级特征，语义信息很强，
分类误差大->高层语义信息运用
location误差大->低层信息运用
- SSD缺点
仅使用顶层进行检测，对小物体检测效果不好；
对类似类别的分类错误较多，one-stage检测器的
- 为何SSD和Faster R-CNN对小目标检测效果不好？
1)SSD和Faster R-CNN此类方法对小目标效果不好，一定程度上是因为小目标所能对应的anchor比较少，导致训练不足。
解决办法：保证anchor的密度，根据感受野合理设置anchor；
- 如何提高小目标的检测？
特征融合，加入context上下文信息。
1) FPN的做法：SSD为了预测小目标，就得把比较低的层拿出来预测，这样的话就很难保证有很强的语义特征，所以作者就想着，把高层的特征再传下来，补充低层的语义，这样就可以获得高分辨率、强语义的特征，有利于小目标的检测。
FPN中的1×1侧连特别重要，1x1的卷积作用：
- 使bottom-up对应层降维至256（改变维度以便element-wise sum）；
- 缓冲作用，防止梯度直接影响bottom-up主干网络，更稳定；组合特征。上采样2x up作者采用的是nearest neighbor。
- 加号是elementwise sum（DSSD中实验结果是elementwise product会好一点点）。
如果不进行特征的融合（也就是说去掉所有的1x1侧连接），虽然理论上分辨率没变，语义也增强了，但是AR下降了10%左右！作者认为这些特征上下采样太多次了，导致它们不适于定位。Bottom-up的特征包含了更精确的位置信息。
- 正负样本选择-Faster R-CNN
RPN网络：
- 正样本：对于每一个ground truth bounding box（gt_bbox），选择与其IOU最高的一个anchor作为正样本；对于剩下的anchor，从中选择和任意一个gt_bbox重叠度超过0.7的anchor作为正样本，正样本的数目不超过128个（==bbox负样本较多，需保持正负样本比例均衡，此处使正负样本比例为1:1==，如果正样本不足128，则用负样本补充）。
- 负样本：随机选择和gt_bbox重叠度小于0.3的anchor作为负样本。
- 尺寸超过图像边界的anchor弃去不用，不满足正负样本规定的anchor弃去不用；
R-CNN（ROIHead）：
由于RoIs给出的2000个候选框，分别对应feature map不同大小的区域，挑选出top-N个（如128个）ROIs来训练Fast R-CNN，选择规则如下： - RoIs和gt_bboxes 的IoU大于0.5的，选择一些（比如32个）
- 选择 RoIs和gt_bboxes的IoU小于等于0（或者0.1）的选择一些（比如 128-32=96个）作为负样本