DetNet是用于目标检测的骨干网络，可以在保持高分辨率和大感受视野的同时，高效执行目标检测任务，并自然的进行实例分隔任务。在MSCOCO数据集的目标检测和实例分割任务上，DetNet都取得当前最佳结果。

目标检测是计算机视觉中最基础的任务之一。近期基于CNN的目标检测器分为：

• 1阶段检测器：YOLO、SSD、RetinaNet

• 2阶段检测器：R-CNN、R-FCN/FPN

它们都是基于ImageNet分类任务与训练的骨干网络。但是图像分类和目标检测问题之间的显著区别是，预测部件需要识别目标的类别，还需要通过边界框进行空间定位。

由此，使用分类骨干网络对于目标检测任务的问题：

• 近期的检测器如FPN，需要通过额外的阶段在不同尺度进行目标检测

• 基于大的下采样引子生成更高的感受野，对视觉分类有帮助，但牺牲空间分辨率，因此难以准确定位大型目标和识别小型目标

【参考】

1。清华&旷世：http://www.sohu.com/a/228772624\_129720?qq-pf-to=pcqq.group