实习做检测病灶，需要用到目标检测，先占坑，后面再去看论文，看看能不能应用到病灶检测中
===================分界线=============================================================
这篇推文里共有5篇，这个是目前最新推文，2019年2月4日15:52:18
=====================================
TridentNet：处理目标检测中尺度变化新思路
quote:可以说是现在(2019-01-30)目标检测最强算法
代码：https://github.com/TuSimple/simpledet/tree/master/models/tridentnet
已经开源的话，先看这个，理解怎么做后再应用
========================================================
目标检测训练trick超级大礼包—不改模型提升精度，值得拥有(2月11日)
https://mp.weixin.qq.com/s/pkFcmm15gnuRJtngFX7f0w
代码论文地址
https://arxiv.org/abs/1902.04103v1
https://github.com/dmlc/gluon-cv
=============================================
.Guided Anchoring
论文地址：https://arxiv.org/abs/1901.03278
github地址：https://github.com/open-mmlab/mmdetection
微信推文：Guided Anchoring
好像说三四月再开源代码
=========================================================================
引用好文：一文读懂Faster RCNN:https://zhuanlan.zhihu.com/p/31426458
原本的RPN：
RPN网络实际分为2条线，上面一条通过softmax分类anchors获得foreground和background（检测目标是foreground），下面一条用于计算对于anchors的bounding box regression偏移量，以获得精确的proposal。而最后的Proposal层则负责综合foreground anchors和bounding box regression偏移量获取proposals，同时剔除太小和超出边界的proposals。其实整个网络到了Proposal Layer这里，就完成了相当于目标定位的功能。
原本的anchor是：实际上就是一组由rpn/generate_anchors.py生成的矩形。任意输入图像reshape成800x600，代码中anchors的大小有九种；检测的时候用9种anchor以某一stride滑动，检测每一个滑窗是foreground还是background,
然而：anchor的大小是个超参，用物体检测设定的anchor用在病灶检测会影响速度、准确率，主要是准确率。
===================================================
============================================