論文：《Receptive Field Block Net for Accurate and Fast Object Detection》
論文鏈接：https://arxiv.org/abs/1711.07767
參考原文：https://blog.csdn.net/u014380165/article/details/81556769
http://www.sohu.com/a/300330661_787107
代碼鏈接：https://github.com/ruinmessi/RFBNet
1、緒論部分：
當前頂級目標檢測器依賴於非常深的CNN主幹網絡，例如ResNet-101和Inception，優點是它們具有強大的特徵表現能力，但是耗時嚴重。相反地，一些基於輕量級模型的檢測器滿足實時處理，但是精度是詬病。
在RFBNet這篇論文中，主要想利用一些技巧使用輕量級模型達到速度和精度並舉的檢測器。靈感來自人類視覺的感受野結構Receptive Fields (RFs) ，提出了新奇的RF block（RFB）模塊，來驗證感受野尺寸和方向性的對提高有鑑別魯棒特徵的關係。RFBNet是以主幹網絡(backbone)爲VGG16的SSD來構建的。下面是討論其有效性，兩項基準測試實驗和結果顯示。RFBNet具備同非常深的主幹網絡檢測器的精度，但是保持了實時性。
2、RFB結構
RFB是一個類似Inception模塊的多分支卷積模塊，它的內部結構可分爲兩個組件：多分支卷積層以及隨後的膨脹卷積層，如下圖（Figure2）所示：
RFB結構主要有兩個特點：
1、不同尺寸卷積核的卷積層構成的多分枝結構，這部分可以參考Inception結構。在Figure2的RFB結構中也用不同大小的圓形表示不同尺寸卷積核的卷積層。
2、引入了dilated卷積層，dilated卷積層之前應用在分割算法Deeplab中，主要作用也是增加感受野，和deformable卷積有異曲同工之處。
在Figure2的RFB結構中用不同rate表示dilated卷積層的參數。
在RFB結構中最後會將不同尺寸和rate的卷積層輸出進行concat，達到融合不同特徵的目的。在Figure2的RFB結構中用3種不同大小和顏色的輸出疊加來展示。在Figure2的最後一列中將融合後的特徵與人類視覺感受野做對比，從圖可以看出是非常接近的，這也是這篇文章的出發點，換句話說就是模擬人類視覺的感受野進行RFB結構的設計。
RFB結構示意圖如下所示：
（a）是RFB，整體結構上借鑑了Inception的思想，主要不同點在於引入3個dilated卷積層（比如3*3conv, rate=1），這也是這篇文章增大感受野的主要方式之一。
（b）是RFB-s，RFB-s和RFB相比主要有兩個改進，一方面用3*3卷積層代替5*5卷積層，另一方面用1*3和3*1卷積層代替3*3卷積層，主要目的應該是爲了減少計算量，類似Inception後期版本對Inception結構的改進。
3、RFBNet檢測結構
Figure5是RFB-Net300的整體結構示意圖，基本上和SSD類似，和SSD不同的是：
1、主幹網上用兩個RFB結構替換原來新增的兩層。
2、conv4_3和conv7_fc在接預測層之前分別接RFB-s和RFB結構，這兩個結構的示意圖如前面Figure4所示。
4、實驗結果
Table1是在PASCAL VOC2007 test-set數據集上的測試結果，訓練集基於2007和2012的trainval。RFB Net300在mAP和FPS方面效果都不錯。
Table4是在COCO test-dev 2015數據集上的測試結果。最後一個RFB Net512-E主要做了2點改變：1、對conv7_fc的輸出特徵做了上up-sample，然後和conv4_3的輸出特徵做融合，基於融合後的特徵做預測。這種做法其實是借鑑了FPN算法的思想。2、在RFB結構中增加了7*7大小的卷積分支。這兩點改進對效果的提升有一定幫助，而且帶來的計算量也少。
