论文链接： /pdf/.03836v2.pdf
入选ECCV
通过拼图打乱生成器把原图像按照指定patch size打乱，然后分阶段进行训练，在bachbone的每一个layer后都进行输出，训练过程进行四个阶段，分别对应不同size的patches，每个阶段都更新一次参数，而不是每个batch只更新一次参数，这样大大加快了收敛速度。
跟之前的dcl一样采用了图片shuffle的思路，不过比那个更进一步，采用了多尺度shuffle，也包含了progressive的思想。
训练过程中backbone参数的学习率设置比较小，而新增加的层学习率较大，猜测有利于保存backbone里面本来就存储的信息。
感觉这个方法的思路很直接了当，没有很多花哨的tricks，加上后会不会更好，有待探索。
