Receptive Field Block Net for Accurate and Fast Object Detection CVPR2017论文翻译

论文：Receptive Field Block Net for Accurate and Fast Object Detection (CVPR2017)

链接：https://arxiv.org/abs/1711.07767

代码地址：https://github.com/ruinmessi/RFBNet

1.绪论部分：

当前顶级目标检测器依赖于非常深的CNN主干网络，例如ResNet-101和Inception，优点是它们具有强大的特征表现能力，但是耗时严重。相反地，一些基于轻量级模型的检测器满足实时处理，但是精度是诟病。
在RFBNet这篇论文中，主要想利用一些技巧使用轻量级模型达到速度和精度并举的检测器。灵感来自人类视觉的感受野结构Receptive Fields (RFs) ，提出了新奇的RF block（RFB）模块，来验证感受野尺寸和方向性的对提高有鉴别鲁棒特征的关系。RFBNet是以主干网络(backbone)为VGG16的SSD来构建的。下面是讨论其有效性，两项基准测试实验和结果显示。RFBNet具备同非常深的主干网络检测器的精度，但是保持了实时性。

2.相关工作：

这部分就不介绍了，主要是对目前一步法和两步法的一些利弊总结。有个比喻挺形象：YOLO定位精度差，小目标检出率低；SSD是YOLO的多尺度版本，对小目标检出有改善。

3.2感受野模块：

RFB是一个类似Inception模块的多分支卷积模块，它的内部结构可分为两个组件：多分支卷积层以及随后的膨胀卷积层。如下图