在移动端部署检测模型时，因为速度原因，通常采用的是轻量级的backbone+one stage detector的方式。我之前在项目里就是采用的
就是这种方案，但精度始终没法和two-stage相比，而two-stage又太慢，之前测过速度之后就没再考虑在移动端采用two-staget方案，
而thundernet重新给了我在移动端采用two-stage的希望。
先来看下网络的整体结构图，主要分成了backbone、RPN、ROI-head，主要针对前两个部分改进，roi-head部分延续了light-head的roi,
下面分别看一下。
一、backbone
基于shufflenetV2（共三个），为了扩大感受野，将所有的3*3 depth conv 替换为5*5 depth conv。对于SNet146和535，移除conv5，
对于SNet49，conv输出一个比较薄的feature map。
二、RPN
对于PRN部分，主要增加了一个CEM模块和SAM模块。
（1）CEM
如图，其实就是一个特征融合模块，跟FPN没啥关系。
注意：这里比lighe-head用了更少的特征图：7*7*5
（2）将融合后的特征fcem经过5*5 dwconv + 1*1conv（替换原来的3*3conv），生成frpn，这一部分用于生成rois。
（3）RPN是做背景-目标的二分类模型，作者认为这个特征可以用来做attention：更加专注于目标，而非背景。
frpn 经过1*1conv+BN，再经过sigmoid，产生0~1之间的值，然后与fcem做点乘（？），输出fsam，这个
特征用于后续的psRoIAlign。
（4）最后就是roi head, 延续light-head rcnn,使用1024维的全连接层，然后分类、回归位置。
想法
总体感觉就是shufflenetV2 + light-head ，使用大的分离卷积核扩大感受野，特征融合+attention获得更好的
特征，同时进一步的削减rpn特征图的厚度，来减小计算量。代码目前没有公布预训练模型，手上也没有机器，挺想用
实际数据去测试一下的。