代办项：
把自己做的实验全部总结一次
1.浅层和深层concat和eltwise相加性能上有啥区别
把dssd和fpn做一个对比，既然没办法在fpga上用deconvolution，如果dssd效果好，那可以用dssd
统计数据的所有size大小，然后把anchor改了
2.把backbone从stage4升到stage3去做检测，看对小物体到底提升了多少
3.小物体为什么不好检测？两个方面：a.如果像素小于16，你在1/16的feature map进行roi-pooling，region proposal缩小映射后可能在最后一层feature map上就没有像素点了------这种情况，只要继续延用roi-pooling这种方式，那就必然无法在最后一层检测小于16，所以fpn这种在多测检测的模型很合理
b.如果像素大于16小于32，你在1/16的feature map进行roi-pooling，region proposal缩小映射后可能在最后一层feature map上只有1、2个像素点，当然算上channel还是有不少信息(因为这1个像素在众多channel上都有值)，但相对于大物体，输入进最后类别判断的信息太少了------相对应的，我可不可以通过增加最后一层feature map的channel来增加最后的信息，可以肯定无论任何网络你增加了channel都会增加信息输入和计算量，性能提升肯定是必然，但会不会小物体的提升会比其他大物体的多，比如警示柱比路锥多？
我之前觉得16像素以下的小物体，经过1/16的卷积后，信息就丢了(因为我从视觉的直观感受上来看的，比如8个像素缩小1/2变成4个像素,缩小1/4后变成2个像素,1/8后变成1个像素,1/16后就没有了)，但我忽略了channel层本身是可以携带一些信息的，并且我这种想法是直接把这个8个像素框成1个框，然后缩小1/2,1/2这样来，但是卷积本身不是直接这样刚刚把你这16个像素这样缩小1/2。比如8个像素最左上角的点，可能在前一个卷积就把他卷进去利用了。所以信息本身还是进行了传递。
针对小物体，把周围信息加进来效果很好
验证方法：去看看resnet stage4和stage5，是性能上是否有提升？看32像素以下的框是否能检测出来
4.我的模型的大小、速度
5.看一下我的路锥警示柱的测试的图片，看看道理哪里出了问题
6.我的ap测量是16以下的不测试，但是依旧性能这么差，why
7.个人觉得fpn这种在浅层做小物体检测是小物体必须的，为什么这么说？因为15像素的rigion proposal做roi-pooling可能本身就没有信息了，还有就是小目标携带的信息本身就少，经过卷积后，留在最后一层做pooling的信息就更少，信息输入少，当然性能就可能下降。因为浅层的细节信息更多一些，语义信息更少，所以fpn把高层的语义加到浅层，这样让浅层既有浅层的细节信息，又有高层的语义信息，或者说保证输入信息多(或者说特征多)且输入的信息进行了进一步提炼。
有两个idea？1.fpn为何要用eltiwise而不使用concat？实际上把浅层和高层concat起来，做相关实验
2.从上面看来，做小物体预测，在feature map尺寸比较大的地方进行预测是个必然选择，那我可以借鉴dssd这种方式，把1/16进行反卷积进行放大feature map，这样既有高层的语义信息，又有低层的尺度，至于细节信息，这一层会不会有，其实不好说，相应的我可以制定一个实验看是不是欠缺细节信息：a.我把整个网络变成1/8进行检测，然后借鉴dssd直接把最后一层放大到1/8，然后做pooling，看两个性能的对比 b. a中的dssd做对比实验，把浅层1/8的信息和最后一层1/8的信息eltiwise加起来，个人觉得先不要用concat，其实concat也是在增加信息的输入
其实感觉这样也不是能很好验证！毕竟是增加了计算量！
8.我觉得小物体对周围像素更加敏感，那去看一下我做的放大roi框，是不是小物体提升更加明显？并且看一下这种方式做出来，速度上会不会降？
既然觉得小物体对周围像素更加敏感，那为什么我不用defomable来尝试小物体
9.做路锥警示柱的ion网络或者hyper-net，看是否上下文信息对小物体影响更大 https://blog.csdn.net/jesse_mx/article/details/55212179?utm_source=itdadao&utm_medium=referral这个文章说了上下文信息对小物体影响更大，其实通过看警示柱，路锥就可以看出来，或者把以前铁道栏杆用的红绿灯拿来和铁道栏杆比也可以
小物体对周围信息敏感，其实人有时候看小东西，也经常根据周围来看的。警示柱其实可以只往下拉，做对比试验
小物体对anchor的size是不是很敏感？其实可以只看rpn的准确率相关的可以判断，这个方式同样适用于我的focal