Inside-Outside Net: Detecting Objects in Context with Skip
本文的關鍵詞是： contextual information， multi-scale representations
使用 contextual information，是通過 spatial recurrent neural network來實現對outside the region of interest 的信息的提取。
對multi-scale representation，使用skip pooling來對不同scale不同level的特征的提取，並且concatenate融合
ION的網絡結構：
（1）， spatial Recurrent Neural Network (RNNs)
RNNs在每一層空間上，通過水平或者垂直的四個方向進行提取上下文信息。使用兩個RNNs，保證可以獲取整張image的信息。
對比其他common methods for adding contextual information: 還有 global average pooling 和 additional convolutional layers，都很相似。
（2）， skip pooling
將multi-scale的feature maps經過roi-pooling layer之后pooling到7x7大小的feature maps，將從不同scale pooled得到的feature maps進行concatenate，然后再利用 1x1Conv layer將feature maps resize到512x7x7的大小。
（3）， context features with IRNNs
對於一個feature maps，有四個獨立的RNN對其進行上下左右四個方向的移動。
其中IRNN的update為：
為了保持IRNN的多樣性和簡單性， 固定隱層轉移矩陣為單位矩陣，可以有：
這種操作類似relu操作。
總結：
（1）, paper 使用了multi-scale 進行object detection，在淺層Conv層對其feature maps進行roi-pooling， 增強了對small object的detect能力。
（2），使用了RNN對其周圍的region的信息，增強feature信息，促進classification。