目標檢測最新進展（SSD，RCNN等最新發展）

---

【未完待續】

---

【目錄】

SSD：

1. RetinaNet
2. FSSD (Feature Fusion Single Shot Multibox Detector)
3. RFBNet （Receptive Field Block Net）
4. R-FCN
5. RRC SSD

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

Yolo：

1. Yolo v2
2. Yolo v3

RCNN:

1. SDP RCNN 【SDP RCNN 詳解】
2. FPN
3. Mask RCNN

其他

1. PointNet
2. （有待補充）

【簡要理解】
（簡單介紹，方便理解，詳細內容之後補充）

SSD：

可以看這篇詳解

---

FSSD： Feature Fusion Single Shot Multibox Detector

(a) image pyramid
(b) rcnn
(c) FPN，將上層語義與下層語義結合
(d) SSD，在各個level的feature上預測
(e) FSSD，把各個level的feature concat，然後從fusion feature上生成feature pyramid再預測

FSSD 詳細的網絡結構，其中上層語義使用雙線性插值進行擴張後再與下層語義結合，然後在做與SSD相似的工作，再做出多個level的預測

---

RFB net

根據人眼感受野的想法得來

【RFB（Receptive Field Block） 模塊】

【三個模塊的感受野比較】

可以看出RFB模塊擁有最大的感受野

最後的網絡結構如下