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。
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）
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
最低0.47元/天 解锁文章
350
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
