《Receptive Field Block Net for Accurate and Fast Object Detection》论文笔记

1. 概述

现有的高性能检测方法是基于CNN网络的，例如ResNet-101、Inception，这些检测方法拥有很强大的表达能力，但是具有较大的计算开销。那么把特征提取部分，也就是backbone部分减小（轻量级模型），就会带来检测性能的下降。这篇文章给出了一种新结构，通过人工干预的形式，增强轻量级特征构建了一个快速且准确的检测器。受人体视觉系统中感受野（Receptive Fields，RFs）结构的启发，这篇文章提出了一种新的RF模块RFB（Receptive Fields Block，RFB），它将尺寸与RFs的偏心率都考虑在内，增加了特征表达能力与鲁棒性。文中将RFB集成到SSD网络的头部，构建RFB Net检测器，最后的实验证明能够在满足实时检测情况下达到之前深度CNN网络的检测性能。
代码链接：链接

在之前的网络结构中通常将感受野在feature map上使用相同尺寸的采样网格，这可能会导致在特征识别性和鲁棒性方面的损失。Inception结构通过不同的卷积核尺寸考虑了感受野的尺寸因素，但是所有的卷积核是在同一个采样中心的基础上进行采样的；与之相似思想的是ASPP（Atrous Spatial Pyramid Pooling），在平行的卷积分支对顶层feature map使用不同的atrous rate，这就造成了相对中心不同的偏移，也在语义分割上取得了不错的效果。但是，这些特征与以前具有相同核大小的卷积层相比，只有一个统一的分辨率，并且与雏菊形状的卷积层相比，得到的特征往往不那么明显；Deforma