RFB Net：Receptive Field Block Net for Accurate and Fast Object Detection

参考博客：https://blog.csdn.net/u014380165/article/details/81556769

1. 概述

目前表现突出的目标检测器都依赖较深的网络结构，因为越深层的网络，特征表示能力越强，但无疑带来了较大的计算量。反过来，出现了一些轻量级的网络，实现了实时检测，但检测精度不容乐观。

在本文中，我们探索了一种替代方案，受到人类视觉系统的RFs的构建，我们提出了一种新颖的RF（RFB）模块，该模块模拟人类感受野可以增强网络特征提取能力，以增强特征可辨性和鲁棒性。在SSD的基础上，于最顶层增加RFB模块，RFB Net。

本文贡献有三：

一，提出RFB模块，旨在增强轻量级CNN网络的深层功能；

二，构建RFB Net，将SSD中的一部分卷积层替换为RFB模块；

三，在COCO和VOC数据集上测试RFB Net，在速度和精度上同时取得很好的效果，并通过将RFB链接到MobileNet来展示RFB的泛化能力。

2.网络结构

RFB是一个多分支的卷积模块，内部结构可以被划分为两部分：使用不同卷积核的多分支卷积层，扩张池化或者扩张卷积。
前者和inception相同，模拟多种尺寸的pRF。后一部分再现了人类感受野可以增强网络特征提取能力。

在下图中，分别采用不同的rate进行空洞卷积，最后