TridentNet in mmdetection
支持Backbobe为ResNet和ResNeXt中所有检测网络，主要用于解决尺度不变性
config参数修改，如下：
backbone=dict( type='TridentResNext', #TridentResNext 表示在ResNeXt基础上修改的， TridentResNet 表示在 ResNet基础上修改的 depth=101, groups=64, base_width=4, num_stages=4, out_indices=(0, 1, 2, 3), frozen_stages=-1, style='pytorch', test_branch_idx=1, # 推理时使用（0，1，2），0表示感受野最小的分支，2表示感受野最大的分支，1表示中间感受野的分支 dcn=dict( modulated=False, groups=64, deformable_groups=1, fallback_on_stride=False), stage_with_dcn=(False, True, True, True)),
测试结果 在不增加运算量和参数量的前提下，相比于Bockbone为ResNet和ResNeXt网络，有一定的性能提升，具体视训练数据，以下比较的是采用自有的业务数据，Tesla P100卡，多尺度训练，单尺度测试
| AP50 | Inf time (fps) | |
|---|---|---|
| ResNeXt101 | 0.766 | 7.1 |
| TridentResNext101 | 0.776 | 7.1 |