网络能检测多尺度物体，其实体现了网络拟合的尺度不变性
当预训练模型在imagenet上进行训练(224x224分类任务），以此为基础参数训练目标检测模型，会导致领域偏移。即是待检测对象，或待分类对象相同，但是对象被表现的方式不同。

1.减少池化层，降低网络采样率，可以减少物体的信息损失，池化层可用dilation为2的空洞卷积代替。
2.在有锚算法时，针对性设计Anchor。如果采用手工设计，可以使设计的Anchor与训练集标签进行匹配，做宽高比的比较。通过IOU指标，寻找最佳手工设计Anchor。或使用Kmeans算法，进行聚类，找出一组较优宽高的Anchor。
3.多尺度进行训练（Multi Scale Training, MST）：预先设置多个不同的图片尺度，每批次图片训练时进行随机缩放至一种尺度。
4.多尺度特征融合：通常，随着神经网络深度的加深，其感受野增大，语义信息增多（非表层信息），但是小尺度物体可能会被淹没。
比较典型的有DetNet:使用空洞卷积与残差结构。
FPN：深度特征图上采样至与浅层特征图一样的大小，再与浅层特征图相加，做融合操作。
Yolo系列，使用上采样及通道拼接的方法。
5.SNIP尺度归一化
SNIP在训练时只选择在一定尺度范围内的物体进行学习