目标检测 | 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

简介

• RFB Net主要用于目标检测，模型参数少。文中提出了RF block模块， 接近人类视觉系统，检测框架使用ssd，具有精度高，速度快的特点，在pc上（gpu）可以达到实时。

NET

• RF BLOCK, 主要由两部分构成：1、多个分支的卷积层及不同卷积核，2、空洞卷积 ，这样可以形成不同的感受野和不同中心的特征。
  

• 多个经典的 RF layer

• RFB-s, 借鉴Inception and Resnet, RFB-S通过两个3 $\times$× 3卷积替换 $5\times5$5×5。

• RFB-Net300, 在不同的特征层采用的RFB模块不一定相同,conv4_3后面采用的是RFB-S, 最小两个特征由于尺寸太小，就没加 RFB。

EXPERIMENT

• Pascal voc 2007 test, epoch 250, lr strategy: first 5 epochs, use “warmup” $10^{-6} to 4 \times 10^{-3}$10−6to4×10−3, divided by 10 at 150 and 200 epochs. Sgd, weight decay: 0.0005, momentum 0.9

• MS COCO