arxiv：https://arxiv.org/abs/1804.06215
在目标检测任务过程中，大多数backbone网络都是基于ImageNet上的分类任务进行开发的，作者认为这样的网络往往会提取较高层的语义特征，这样适合分类，但不利于定位（特征金字塔（FPN）和扩张卷积（dilation）等技巧在一定程度上补偿了这类问题）。因此，文中提出了一种更适合目标检测的backbone，相较于ResNet101网络，参数量更少，效果却更强大。
文中认为传统backbone网络主要存在如下三个问题：
- stage的数量：分类网络中，如ResNet有5个stages，特征图会缩小32倍，但是在对大目标进行检测时，FPN会加入P6层， RetinaNet会添加P6,P7，但是这几层是没有ImageNet预训练的。
- 大物体可见能力较弱：特征图在缩小32倍后，边界信息较为模糊，大物体难以回归到很准确的边界信息。
- 小物体容易丢失：较低的采样层可能包含足够的小物体信息，但低阶的语义的信息不足以用于区分类别，而在较深的特征中小物体可能丢失，即使通过反卷积得到较大特征图，目标信息可能已经丢失。
挑战：
1.保留大的空间信息将会带来更多参数和计算量。
2.减少下采样将会减小感受野，不利于分类（classification）或分割（semantic segmentation）等任务。
针对上述问题：
网络设计：
1.保留ResNet的前四个stages，如图Fig.1。stage 5保持和stage 4相同的大小，并且增加P6层,P4，P5，P6大小相同，均为16×（保证足够大的定位特征图）。模型名称为DetNet59。
2.在stage 4以后均使用Fig. 2B中的dilated bottleneck（保证足够大的感受野）来代替之前的卷积过程。
结果：
DetNet59相较于resnet101有更少的参数量，但在分类，检测，分割等任务中均有着很好的表现。
