RFB Net 笔记

本文重点介绍RFB(Receptive Field Block)模块,该模块受到人类视觉系统的启发,旨在增强轻量级网络的特征表示,而无需深化模型。RFB通过使用不同尺寸和空洞率的卷积核,模拟不同感受野,以融合不同特征。RFB Net是将RFB应用于SSD网络的改进版,通过在特定层替换为RFB模块以提高性能。
摘要由CSDN通过智能技术生成

前言
1.本文重点是RFB模块(Receptive Field Block),尽量用较少篇幅表达清楚论文算法,其他一些不影响理解算法的东西不做赘述
2.博客主要是学习记录,为了更好理解和方便以后查看,当然如果能为别人提供帮助就更好了,如果有不对的地方请指正(论文中的链接是我经过大量搜索,个人认为讲解最清楚的参考)

论文链接
代码链接

创新点
1.结合人类视觉系统,提出RFB模块
2.将RFB模块用于SSD,提出RFB Net

问题引出
我们都知道一刀流比二刀流快,但是精度不如二刀流;目前一些使用强大主干网络(如ResNet-101)的一刀流精度已经可以媲美二刀流,但是,因为主干网络计算量太大,导致耗时增加,算法又变慢了;所以作者就想引入某些手工机制来增强轻量级网络的特征表示能力,而不是顽固地深化模型;作者结合人类视觉认知(一堆生物学知识,不知道说的啥,反正弄懂本文算法就行),提出Receptive Field Block

RFB模块
1.RFB 工作原理

  • 2
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值