名字：DetNAS: Neural Architecture Search on Object Detection
地址：https://arxiv.org/pdf/1903.10979.pdf
深度学习进展到当今，新东西很少了，就是拼应用，拼结构。为了发论文凑了一堆各种各样的结构，
使用了一些直觉的东西，底层的特征包含细节，高层具有抽象特征等，跨连接，注意力模型等。
当办法想完后，有个想法就是，神经网络就是搜索最优解的，直接把神经网络当目标搜索？
该论文就是如何搜索神经网络的。
要搜索，就要定义搜索空间。改论文使用了shufflenet型作为搜索空间。
搜索的目标是，搜索一个用于检测的特征提取骨干网络。
搜索方法使用： 进化算法 （没仔细看，估计就是基因算法的别称吧）
搜索方法也没有什么可说的，可以说简单粗暴，直接有效。但是搜索空间还是不大，只是在shufflenet一类里。
搜索结果，也是参数少，结果好。
结论：
搜索的结果揭示：分类网络，往往在底层使用较小的卷积核（3*3），高层使用大的卷积核（5*5，7*7）
检测网络，往往底层需要大的卷积核(5*5,7*7), 高层使用(3*3）
这是值得注意的，这里能看出蕴含着什么样的直觉？
这里的搜索空间shufflenet类里的shufflenet见：
https://blog.csdn.net/u011974639/article/details/79200559