1、cnn的基础是卷积,卷积的基础是卷积核,卷积核的基础是感知机,就是分类器,所以,卷积网络就是很多个小分类器构建的网络.
2、目前经典检测网络都是使用固定anchor box (default and fixed), 然后预测 classification + 4 类别, 是否框可以核感受野一致呢????可以尝试,比如ssd网络中,不同层feature-map 感受野不同的.
所以,在设计g-iou或者c-iou的时候,可以考虑感受野范围内的要计算loss,范围外的不需要训练loss
3、目前state-of-the-art 的网络都是增加传递中的信息交流.比如shuffle-net,是增加channel 的 information flow. 是否可以增加各个feature map 的H*W的position information flow?
