R-FCN论文阅读（R-FCN: Object Detection via Region-based Fully Convolutional Networks ）
链接：https://www.zhihu.com/question/68483928/answer/306680428
light head文章里的示意图
这篇文章主要是基于faster rcnn 和 r-fcn 做的改进。
这篇文章将two stage的检测模型分为了两个部分，body和head。body指的是roi pooling之前的网络部分，head指的是roi pooling和r-cnn子网络部分，r-cnn子网络是对roi进行分类和预测roi位置的那一部分。
faster rcnn的roi pooling的channel数很大，有2048，这使得后面的两个fc层计算量很大， 而且faster rcnn的roi数目是很大的，针对每个roi都要调用一次r-cnn子网络，这个开销十分大。
r-fcn在r-cnn子网络前设计了一个score map，试图共享roi的计算，以解决faster rcnn的这个问题，但是引入的score map的channel数很大，是P*P（C+1），C为类别数，在COCO数据集上，这个值为3969（7*7*81），这使得r-fcn的计算量相比faster rcnn小了一些，但依然很大，真是“按下葫芦起来瓢”。
综上，faster rcnn和r-fcn的head计算量都很大，即使body用了轻量化的网络，它们的速度依然比不上one stage的方法。
light head rcnn的目标就是减小head部分的计算量。模型的改进是在r-fcn上进行的。一个很直接的方法就是降低进入head部分feature map的channel数，也就是将r-fcn的score map从P*P（C+1）减小到P*P *α，α是一个与类别数无关且较小的值，比如10。这样，score map的channel数与类别数无关，使得后面的分类不能像r-fcn那样vote，于是在roi pooling之后添加了一个fc层进行预测类别和位置。light head rcnn的head部分前面是r-fcn score map的改进，后面是faster rcnn进行region分类和位置预测的改进。
总体而言，各种深度学习模型（比如检测、分类等等）如果要提高速度，从模型的角度来说，主要的思路其实都是减少模型中冗余的部分，比如减少channell数目、减少层数、用1x1的conv降低channel数目、将普通convolution拆解为depth wise convolution和point wise convolution、将k*k的convolution拆成k*1和1*k两个separable convolution等等。
毫无疑问，深度学习模型中存在着冗余的部分，但是现在深度学习相关理论不成熟，无法去分析一个深度学习模型的capacity，也无法确定一个任务到底需要多大capacity的模型，所以我们不知道哪部分是冗余的，就如同广告业一句名言“ 我知道在广告上的投资有一半是无用的，但问题是我不知道是哪一半”。
