动机/出发点
近年来随着深度学习的不断发展，目标检测邻域也得到了快速的发展，一直以来建立目标之间的关系有助于目标的检测，然而，在目标之间建模会遇到一些问题，每个目标可能遍布在任意位置，也会有各式各样的尺寸，目标所属类别也比较多，目前使用的的CNN网络架构都是比较规整的结构，难以处理这些不规则的任务。
创新点/贡献点
（1）提出了关系模块（Relation Module RM),可以很好的建立其目标之间的关系，有助于目标的分类和位置回归;
（2）提出的模块可用于后续处理阶段，去除多余的预测框；
（3）真正实现端到端的网络架构;
具体实现/细节
使用类似于transformer结构进行建模
取得的成果
在Faster R-CNN网络中加入RM模块可以得到2%的mAP提升，同时可以用于去除重复，
一些思考