1樓：袁袁
非常棒的工作。這種的應該叫1.5-stages.最近有非常多的工作感覺都是1.5-stages. 特點就是有RPN，會回歸兩次，但又不摳特徵。
第一階段，RPN出來更好的anchor.既然咱要強行one-stage，肯定不能摳，既然不能直接摳，又想feature能根據RPN refined後的anchor動，那就動卷積取樣的位置唄，比如３＊３的卷積本來對應feature map上某個3＊３的區域，那怎麼確定３＊３區域內的９個點怎麼移動，根據anchor的感受野來嘍。
2樓：
淺見：Faster RCNN 中 RoIAlign(& h*w fc) 的 dconv 近似。作為乙個 trick 可能更合適，加快了速度。
3樓：
覺得挺有意思，就套Deform Conv做了個實現，在RetinaNet50上AP能提公升接近兩個點，不過發現提公升主要來自於高IoU下的AP，AP0.75提公升了接近3個點，AP0.5只能提公升0.
4，這一點和文章裡的結論不太一樣，自己的場景還是比較關注AP0.5。
4樓：FY.Wei
嚴格來說應該是Two stage detector。挺想知道ADM模組中ROIConv和ROIAlign的區別的。如果把DPM中所有的boundingbox（不過NMS）都做ROIAlign，而不是取top K做ROIAlign，是不是兩者就完全等價？
5樓：過克
Cascade RetinaNet: Maintaining Consistency for Single-Stage Object Detection
也應該和這篇對比一下, 但內容裡已經包含了=Deformable Align
6樓：
感覺解決one-stage detector 中feature和pred_box misAlign問題的方案，跟two-stage一樣了。
two-stage : Roi proposal net + classification, box regression;
AlignDet：Deformabel Conv 學習offsets 得到Roi proposal + classification, box regression;
7樓：Alan Huang
工作還是solid的， 其實可以認為是把dense anchor作為proposal， 用ROIAlign。 提Im2col只是為了往卷積去靠攏。 核心操作還是roialign，雖然叫卷積（典型conv的實現包括im2col，col2img（這一步在forward的時候是因為layout原因，自然滿足了））
最後感謝對DenseBox的引用……
8樓：
naiyan太強了 one shot instance segmentation 即將來襲....
這玩意兒簡直fill the gap between 1-stage and 2-stage 啊...
9樓：孫培澤
隨便說兩點吧
1.前一段時間剛在Anchor的前世今生中提到misalignment問題，今天就放出文章了。
2.能不能順便解決一下正負樣本定義問題，這個問題在之前關於cascade R-CNN的介紹中提及過。我最近的實驗發現，正負樣本的定義稍微變一下就能有1個點左右的gain
厚臉皮地附上我的幾個實驗：
如何評價Sparse R CNN，目標檢測未來會如何發展？
將proposal feat看成detr的object query，self atten看成detr decoder中的self atten，inst interact看成detr的cross modal atten，cascade的feature reuse結構看成deter的多層decoder，...
如何評價目良千里？
基本上被作者放棄了吧，反正中後期完全就不突出了。其實有一些可以塑造的點，但是為了突出被特化的抗毒體質，超能吃還有絕對會被金錢迷惑雙眼的特點所以在大多數回目裡面表現的並不像正常人。本身在早期是乙個優缺點對半開的角色，中期開始隨著漫畫中角色的豐富，逐漸沒辦法立足，重新塑造的性格又不討喜。在解決了人物核心...
如何評價目測即將完結的《電鋸人》？
上輩子殺很多人，這輩子看電鋸人。上輩子殺了個豬，這輩子看藤本樹。看之前這傢伙的xp好tm怪。看之後我自己的xp好tm怪！ DOOMOON 看到最後一話，瑪奇瑪變成了那由多，我才明白，藤本樹的自由是真的自由爺想怎麼畫，就怎麼畫 他就是想畫妹妹而已！淦不過我喜歡 不覺得這本漫畫有多好，迎合青少年的獵奇心...