Better to Follow, Follow to Be Better: Towards Precise Supervision of Feature Super-Resolution for Small Object Detection

• 文章针对2阶段的detection提出了一种对小面积ROI的feature进行SR的方法，并提出了对该SR进行监督的机制
• 首先是发现问题，问题在于，一张图片放大2倍后，同一块ROI（放大两倍）作为感受野所对应的feature map上的区域，并不是简单的放大前的区域放大两倍。也就是放大的不匹配问题。所以并不能简单地用大图的ROI的对应featuremap区域来监督小图的ROI的对应featuremap区域的SR
• 为了解决这个问题，必须用某种方式使得感受野匹配起来，所以作者采取了空洞卷积和pooling的trick来产生具有匹配的感受野的feature map的块进行SR模型的监督训练。
• 训练完，就可以用到2阶段的detection种，把RPN得到的小面积ROI对应的feature区域，先进行SR，再送进后续的ROIAlign等步骤。
• 哦对了，之所以要对feature map进行SR，是因为小物体检测得到的ROI对应的featuremap太小了，包含的信息也太coarse了，不利于后续的检测，所以要通过这种方式增加信息量。
• 整个网络的结构就是这样的：