[paper笔记]RFBNet——感受野再优化

RFB-Net——准确快速的物体检测

_思路

1. 突破点

提高实时算法的精准度。

2. 优化的问题

实时算法特征表达能力不强，或者说特征提取器因为不能太深，所以效果不好。

3. 为什么会得以优化

根据人类视觉系统的接受域（感受野？），提出RFB。

4. 依然存在的问题

pass

5. 为什么会存在这些问题

pass

摘要

1. 目前顶级目标检测算法，得益于DCNN backbones很强的特征表示能力，却又很很高的计算开销。
2. 有些算法能实时，但是准确率太低。
3. 本文使用手工机制加强轻量级特征，构建了一个快速准确的检测器。
4. 受到人类视觉系统的接受域（RF）的启发，我们提出了接受域块（RFB）模块，他把接受域的大小和离心率考虑在内，来加强特征的描述和稳定性。

1 引言

1. 依据"人类的pRF的大小在视网膜代表图上是一个离心率的函数"。（并不懂）
2. inception中使用不同分辨率的结构，有点这个意思，但是Inception中每个不同大小的核中在同样的中心采样。
3. Atrous Spatial Pyramid Pooling（ASPP）来捕获不同尺度的信息，在语义分析中有用，但是这些特征与之前相同的核大小的卷积层的分辨率一致，与雏菊的形状相比的得到的特征不明显。
4. Deformable CNN试图根据物体的尺度和形状，自适应调整RFs的空间分布。虽然简单的格子很灵活，但是没有考虑RFs的离心率的印象，每个像素的权重是相等的，没有强调最重要的信息。

---

1. RFB使用多分支汇聚层（multi-branch pooling），使用不同的kernel大小来应对感受野的不同。
2. 应用扩大的卷积层控制RF的离心率，最后产生特征表达。
3. RFB模块很通用。接到MobileNet上也很成功。

3 方法

3.1 再探视觉皮层

pass

3.2 RFB

1. RFB是一个多分支卷积块。
2. 前面部分与Inception相同，负责模拟多种尺寸的pRF，后一部分再现了人类视觉系统中pRF尺寸与偏心的关系。

---

Multi-branch convolution layer: astrous convolution layer.

Dilated pooling or convolution layer: