论文笔记——RFBNet

会议：ECCV 2018

标题：《Receptive Field Block Net for Accurate and Fast Object Detection》

论文链接：https://arxiv.org/abs/1711.07767

代码链接：https://github.com/ruinmessi/RFBNet

---

主要​​贡献

• 提出了RFBNet网络用于目标检测，可以在兼顾速度的同时达到良好的效果。
• 在SSD网络中引入Receptive Field Block (RFB)。

Introduction

       该网络主要在SSD网络中引入Receptive Field Block (RFB) ，通过模拟人类视觉的感受野加强网络的特征提取能力，在结构上RFB借鉴了Inception的思想，主要是在Inception的基础上加入了dilated卷积层（dilated convolution），从而有效增大了感受野（receptive field）。

 

RFB的效果示意图

 

RFB结构示意图(RFB和RFB-s)

主要设计思路：

1. RFB：借鉴了Inception的思想，引入3个dilated卷积层（比如3*3conv, rate=1），是增大感受野的主要方式之一。

2. RFB-s：用3*3卷积层代替5*5卷积层，用1*3和3*1卷积层代替3*3卷积层，大幅减少计算量，类似Inception后期版本的改进。

 

RFB-Net300的整体结构示意图

 

数据集上的测试结果