目標檢測 | Receptive Field Block Net for Accurate and Fast Object Detection

• Paper:https://eccv2018.org/openaccess/content_ECCV_2018/papers/Songtao_Liu_Receptive_Field_Block_ECCV_2018_paper.pdf
• GitHub: https://github.com/ruinmessi/RFBNet

簡介

• RFB Net主要用於目標檢測，模型參數少。文中提出了RF block模塊， 接近人類視覺系統，檢測框架使用ssd，具有精度高，速度快的特點，在pc上（gpu）可以達到實時。

NET

• RF BLOCK, 主要由兩部分構成：1、多個分支的卷積層及不同卷積核，2、空洞卷積 ，這樣可以形成不同的感受野和不同中心的特徵。
  

• 多個經典的 RF layer

• RFB-s, 借鑑Inception and Resnet, RFB-S通過兩個3 $\times$ 3卷積替換 $5\times5$。

• RFB-Net300, 在不同的特徵層採用的RFB模塊不一定相同,conv4_3後面採用的是RFB-S, 最小兩個特徵由於尺寸太小，就沒加 RFB。

EXPERIMENT

• Pascal voc 2007 test, epoch 250, lr strategy: first 5 epochs, use “warmup” $10^{-6} to 4 \times 10^{-3}$, divided by 10 at 150 and 200 epochs. Sgd, weight decay: 0.0005, momentum 0.9

• MS COCO