arxiv：https://arxiv.org/abs/1804.06215
在目標檢測任務過程中，大多數backbone網絡都是基于ImageNet上的分類任務進行開發的，作者認為這樣的網絡往往會提取較高層的語義特征，這樣適合分類，但不利于定位（特征金字塔（FPN）和擴張卷積（dilation）等技巧在一定程度上補償了這類問題）。因此，文中提出了一種更適合目標檢測的backbone，相較于ResNet101網絡，參數量更少，效果卻更強大。
文中認為傳統backbone網絡主要存在如下三個問題：
- stage的數量：分類網絡中，如ResNet有5個stages，特征圖會縮小32倍，但是在對大目標進行檢測時，FPN會加入P6層， RetinaNet會添加P6,P7，但是這幾層是沒有ImageNet預訓練的。
- 大物體可見能力較弱：特征圖在縮小32倍后，邊界信息較為模糊，大物體難以回歸到很準確的邊界信息。
- 小物體容易丟失：較低的采樣層可能包含足夠的小物體信息，但低階的語義的信息不足以用于區分類別，而在較深的特征中小物體可能丟失，即使通過反卷積得到較大特征圖，目標信息可能已經丟失。
挑戰：
1.保留大的空間信息將會帶來更多參數和計算量。
2.減少下采樣將會減小感受野，不利于分類（classification）或分割（semantic segmentation）等任務。
針對上述問題：
網絡設計：
1.保留ResNet的前四個stages，如圖Fig.1。stage 5保持和stage 4相同的大小，并且增加P6層,P4，P5，P6大小相同，均為16×（保證足夠大的定位特征圖）。模型名稱為DetNet59。
2.在stage 4以后均使用Fig. 2B中的dilated bottleneck（保證足夠大的感受野）來代替之前的卷積過程。
結果：
DetNet59相較于resnet101有更少的參數量，但在分類，檢測，分割等任務中均有著很好的表現。
