创新点有三个
- SF-net:用于特征提取
- MDA-Net：抑制背景，突出前景目标
- 损失函数：改进L1损失，添加IOU常数因子
SF-net
动机：
- 检测小目标存在问题：
1）使用pooling层，小目标在更深的层中丢失了特征信息
2）顶层特征图大的采样步长漏掉了小目标，导致欠采样。
底层特征图能够保留小目标的位置信息，顶层特征图能够包含更多的语义信息。 - 解决思路：
1）常用的多尺度特征融合
2）finer sampling：更合适的采样方式。 -
具体解决方案
使用resnet，仅使用c3和c4进行特征融合。其中c4被上采样到固定尺寸s=6（经验参数，本文的6是根据特定数据集选定的参数），c3同时被上采样到该尺寸，然后接了一个inception模块，来扩大感受野和增强语义信息，最后将两个通道的结果拼接到一起，得到特征图F3。
图片.png
MDA-Net
- 传统RPN存在问题
带来很多噪声信息，也就是可能引入虚假目标，此外，目标边界模糊。所以需要更加突出背景，抑制噪声。 - 解决思路
使用有监督的注意力机制网络来突出目标，抑制背景。 -
具体解决方案
1） 首先，上一步提取到的特征图F3，经过inception模块后得到新的特征图，利用该特征图进行1x1x2卷积，得到显著图每个像素点的前景分数和背景分数（训练时采用二值图和该输出进行交叉熵损失计算和参数回归）。然后使用softmax将同一个像素点的目标和背景分数归一化到0-1（两数之和是1）。接着使用单通道显著图和F3相乘，这样就得到了经过背景抑制和边界增强的特征图。
2）此外，除了像素注意力机制（不同像素对应不同权重），还用了通道注意力机制（不同特征图对应不同权重）。通道注意力机制首先对每张特征图求平均值，得到c个值后，利用两个全连接，第二个全连接输出还是c个值，然后使用sigmoid调整到0-1之间，就得到了通道注意力的权重。（这个权重是通过反向传播学习参数得来的），最终F3和这两个权重相乘后得到A3，在A3基础上，使用rpn来提取候选区域。注意，这里的候选区域还是水平矩形框。
图片.png
损失函数
图片.png
使用opencv定义的旋转框方式存在边界问题（即边界情况损失函数突增）
图片.png
所以，这里使用IOU来解决loss突增问题。（后续再详细思考）IOU越大，loss越小，避免了loss突增。也就是说，当出现上图这种情况时，loss会很小，经过梯度下降后，loss会更小。
在非边界时（角度不超过-90度），模型正常回归，学到的参数已经很棒了。遇到边界时，很棒的参数计算出来的角度超过了边界，（尽管预测出来的是对的）但是计算的loss却很大，所以模型就要去修改已经学的很好的参数，导致学习效果不理想。
