使用ImageNet预训练的网络模型能够帮助目标任务（物体检测、语义分割、细粒度识别等）快速收敛，然而使用预训练模型会带来诸多限制，其中一个问题就是改动特征提取网络的结构成本相对较高，需要耗时巨大的重新预训练来适应不同需求的任务。那么，如果不使用预训练模型，进行随机初始化训练，达到较高准确率的某些必要条件是什么？论文《ScratchDet:Exploring to Train Single-Shot Object Detectors from Scratch》的作者从优化的角度出发，通过实验解释了梯度稳定手段之一的BatchNorm是如何帮助随机初始化训练一阶段检测器SSD，进而结合了ResNet与VGGNet来加强对小物体的检测。