关于目标检测其实我一直也在想下面的两个论断：
Receptive Field Is Natural Anchor
Receptive Field Is All You Need
只是一直没有实验。但是今天有人正式提出来了：
https://github.com/becauseofAI/MobileFace
https://arxiv.org/pdf/1904.10633.pdf
用在人脸上，可以达到实时。
作者根据直觉直接说了：
Based on above understandings, faces with different sizes need various RF strategies:
•for tiny/small faces, ERFs have to cover the faces aswell as sufficient context information;
•for medium faces, ERFs only have to contain the faceswith little context information;
•for large faces, only keeping them in RFs is enough.
翻译一下：基于以上的理解，图像中不同大小的脸需要不同的感受野策略：
小的：感受野不仅需要涵盖脸本身，还需要足够的背景信息
中的：感受野需要覆盖脸本身，只需要很少的背景信息
大的：只要脸本身在感受野就足够。
这与我的体会完全一样啊，只是作者没有用到通用目标检测集中。
网络是：
不算复杂，损失包含类别损失和边框损失。
记录一下。
是的，感受野本身就是区域内的特征信息，是没有必要再去寻找新的框，而且小目标和大目标 在图像的语义上就存在差别，小目标更多的靠形态，大目标靠内部的结构。