论文题目：An Analysis of Scale Invariance in Object Detection – SNIP
链接：https://arxiv.org/pdf/1711.08189.pdf
一、作者试图解决什么问题？
答：这个工作是一种模型训练 trick，主要在 augmentation 环节使用。解决检测问题中，待检测的目标尺寸差别太大（小目标与大目标同时存在）的问题。
常用的方法与问题：
- 对图像进行多尺度的缩放或者扩展，这种方式问题是每一张图会生成很多张图，计算量堪忧；而且对于小尺度图像，小目标的检测的任务是冗余的（因为效果不佳）；对于大尺度图像，大目标的检测任务是冗余的（因为没有必要，对于大目标来说，没有必要用大尺寸输入）
- FPN 相关方法，在不同层抽特征，小目标靠近输入层，大目标靠近输出层。这种方案是make sense 的，但是单独用这种方式，对于小目标来说，还不是特别友好，因为这种情况下，小目标尺寸的受限于输入图像。如果不对输入图像进行扩大，小目标的检测仍然存在问题，但是如果要对输入图像进行多尺度扩展，那么也就会回到上面 第 1 个方法中的问题。
二、这篇论文的基本思路与实现步骤是什么？
答：
- 在检测中，充分利用分类网络的预训练模型。在利用过程中，需要解决domain shift 问题，即检测算法中输入分类网络的图像中，目标尺寸占比最好能和分类网络预训练图像中的目标尺寸占比类似。
- 还是将输入图像 resize 到多个 scale，但是在每个 scale 中对目标的表示（representation）进行标准化(normalized)。为了解决上面的domain-shift 问题，在每个 scale 只利用与预训练分类网络的训练样本类似尺寸的 RoIs / anchors
- 实现步骤：
- 在分类器训练环节，首先对于每一个分辨率下的输入图片，将 ground-truth box (GT) 划分为 valid or invalid。具体就是先对每一个分辨率设定一个分辨率范围（(resolution, range）已控制这些 GT 在这个分辨率下不大也不小。在预定义范围内的 GT 被划归为 valid，在范围外的 GT invalid GT。然后进行 RPN 训练，在某个分辨率下如果 anchor 与 invalid GT overlap 超过 0.3， 那么这些anchor就直接被丢弃，不进入检测器训练。【具体实现中，用 1400 * 2000 的分辨率检测 [0，80] 面积范围的目标；800 * 1200的输入分辨率 检测 [40, 160] 面积范围的目标；480 * 800 分辨率勇于检测面积在 120 以上的目标】
- 在推理环节，检测器获得了检测结果后，首先排除预定分辨率外的检测 bboxes，然后用 soft-NMS 进行融合输出。
三、最终效果
基于同一个检测器，不同的训练训练方法，效果对比如下，可见对不同尺度的目标，检测性能均有明显提升。
------------------------------------
TODO：SNIP 升级版 SNIPER 待写