Light-Head RCNN: In Defense of two-stage object detector
文章基于faster-rcnn和r-fcn进行改进
本文研究two-stage慢于one-stage的原因，发现faster rcnn和r-fcn会在roi warping之前或之后进行高强度的计算，faster-rcnn包含两个fc用于ROI的识别，r-fcn则会生成一个大型得分图（classes x p x p,class是类别，p是pool size），这些网络会被结构设计上的poi之后部分参数量过高拖慢计算速度。
在第二部分进行简化，通过使用一个稀疏的特征图（ROI之前，使用可分卷积内核缩小特征图维度为（α x p x p,α<10））和一个轻量级的RCNN网络（池化和全连接层），把网络的head轻量化了（就是把特征图的通道数目从class降到了<10）
降低特征图通道的手段就是用过可分离卷积。
使用resnet101为主干网络，精度优于mask rcnn，使用xception为主干网咯，速度优于yolo
Head：roi pooling和rcnn子网络，rcnn子网络是对roi进行分类和预测roi
Faster rcnn的roi pooling的channel很大，2048，这使得后面的两个fc的计算量很大，针对每一个roi都要计算一次rcnn，开销很大
f-fcn在rcnn的子网络前设计一个score map，共享roi的计算，但是引入的score map的channel数很大，是P*P(C+1)，C为类别数，coco上为3969（7*7*81）,计算量依然很大。
Light head rcnn目标在于减少head部分的计算量。降低进入head部分的feature map的channel数，也就是将r-fcn的score map从P*P(C+1)减小到P*P*α,α是一个与类别数无关的较小的值，后面不能像r-fcn那样vote，于是在roi pooling之后添加了一个fc层进行预测类别和位置，light head rcnn的head部分前面是r-fcn score map的改进，后面是faster rcnn进行region分类和位置预测的改进。
深度学习模型要提高速度主要的思路还是减少模型中冗余的部分，比如减少channel数目，减少层数，用1*1的conv降低channel数目，可分离卷积，k*1和1*k这样的结构。