Relation Networks for Object Detection
-
文章提出了一种attention机制，建模了二阶段检测的目标间的relation，并且可以替代掉nms策略从而构造一个真正的end-to-end的目标检测框架，并自称是首个（因为其他deep learning 目标检测需要借助nms做后处理）；并且改框架是inplace的（可以直接插入任何一个二阶段检测网络）
-
网络效果，在几个二阶段检测框架上AP基本都能提高2-3个点
-
首先回顾了一种attention机制：
-
具体的公式推导我就不说了，这里把用于定位的特征和用于分类的特征分开处理得到attention map，用了很复杂的公式，具体自己看论文，至于为什么是这么复杂的公式，是因为这个attention是从NLP中迁移来的，所以要照着NLP中的公式，然而这毕竟是图片，因此变得很复杂：
-
-
。。。 -
这个object relation module是inplace操作，因此可以插在任何框架上
-
可以插在分类的fc层后面，提高识别能力
-
还可以利用它来进行重复框的筛除
