Pixel-BERT

1. 目的：之前都是用Faster R-CNN做目標檢測提取視覺特征，存在噪音冗余和語義鴻溝，通過pixel-based 特征提取，提高視覺表達的魯棒性；

2. pixel-based：random pixel sampling mechanism，視覺特征提取后，在每個feature map里提取pixel作為視覺特征，相當于feature map內部的dropout。