Receptive Field Block Net for Accurate and FastObject Detection

这篇文章主要是模拟人类视觉感受野的一些性质， 设计RFB结构加入SSD， 提升了速度与精度。

 上图是人类群体感受野的size和eccentricity(离心率，这里我理解为离心半径）的关系。 可以看到离中心越远， 感受野大小越大，=右图是一个形象的图示。因此自然地， 我们想要设计一个特征提取模块， 模拟人类感受野的这种性质。

作者基于Inception设计了RFB（Receptive Field Block）。具体设计如下：

多分支是Inception自身的设计结构， 不过这里将每个分支的卷积核设计的不同， 在每个卷积后面， 加上不同rate的膨胀卷积，这二者就可以模仿上述人类感受野的特征。

上图是两种设计的RFB结构， 其中RFB-s是模拟人类视网膜浅层感受野， 用3*1和1*3来代替3*3卷积， 并使用了更多的分支。它将用于网络浅层高分辨率低语义特征后面。

整个网络框架如下， 基于SSD结构：

其中RFB Stride 2代表RFB模块中卷积的步长为2。 conv10_2和conv11_2没必要再加RFB了， 因为分辨率很低了， 不足以再支持5*5的感受野了。

小结：文章的RFB结构设计来源很有趣， 模拟人类感受野的特点， 这种多分支、离心越远， kernel越大的设计也许可以一试。