目标检测最新进展（SSD，RCNN等最新发展）

---

【未完待续】

---

【目录】

SSD：#####

1. RetinaNet
2. FSSD (Feature Fusion Single Shot Multibox Detector)
3. RFBNet （Receptive Field Block Net）
4. R-FCN
5. RRC SSD
6. CornerNet （角度检测框架）

GitHub链接（Pytorch版）：https://github.com/transcendentsky/ssd_pytorch.git

Yolo：#####

1. Yolo v2
2. Yolo v3

RCNN:

1. SDP RCNN 【SDP RCNN 详解】
2. FPN
3. Mask RCNN
4. Mask X RCNN
5. Grid RCNN

其他

1. PointNet
2. （有待补充）

【简要理解】
（简单介绍，方便理解，详细内容之后补充）

####SSD：
可以看这篇详解

---

####FSSD： Feature Fusion Single Shot Multibox Detector

(a) image pyramid
(b) rcnn
© FPN，将上层语义与下层语义结合
(d) SSD，在各个level的feature上预测
(e) FSSD，把各个level的feature concat，然后从fusion feature上生成feature pyramid再预测

FSSD 详细的网络结构，其中上层语义使用双线性插值进行扩张后再与下层语义结合，然后在做与SSD相似的工作，再做出多个level的预测

---

####RFB net
根据人眼感受野的想法得来

【RFB（Receptive Field Block） 模块】

【三个模块的感受野比较】

可以看出RFB模块拥有最大的感受野

最后的网络结构如下