Inside-Outside Net: Detecting Objects in Context with Skip
本文的关键词是： contextual information， multi-scale representations
使用 contextual information，是通过 spatial recurrent neural network来实现对outside the region of interest 的信息的提取。
对multi-scale representation，使用skip pooling来对不同scale不同level的特征的提取，并且concatenate融合
ION的网络结构：
（1）， spatial Recurrent Neural Network (RNNs)
RNNs在每一层空间上，通过水平或者垂直的四个方向进行提取上下文信息。使用两个RNNs，保证可以获取整张image的信息。
对比其他common methods for adding contextual information:
还有 global average pooling 和 additional convolutional layers，都很相似。
（2）， skip pooling
将multi-scale的feature maps经过roi-pooling layer之后pooling到7x7大小的feature maps，将从不同scale pooled得到的feature maps进行concatenate，然后再利用 1x1Conv layer将feature maps resize到512x7x7的大小。
（3）， context features with IRNNs
对于一个feature maps，有四个独立的RNN对其进行上下左右四个方向的移动。
其中IRNN的update为：
为了保持IRNN的多样性和简单性， 固定隐层转移矩阵为单位矩阵，可以有：
这种操作类似relu操作。
总结：
（1）, paper 使用了multi-scale 进行object detection，在浅层Conv层对其feature maps进行roi-pooling， 增强了对small object的detect能力。
（2），使用了RNN对其周围的region的信息，增强feature信息，促进classification。