[论文解读]EECV 2018|RFB Net:Receptive Field Block Net for Accurate and Fast Object Detection

题目：Receptive Field Block Net for Accurate and FastObject Detection
作者：Songtao Liu， Di Huang， Yunhong Wang

Motivation:
作者认为目前表现好的目标检测主要基于较深的网络（例如Resnet，Inception），其缺点就是大量的计算成本，速度慢。而一些轻量级的网络速度较快，但检测的精度相对不高。作者提出了RFB模块，结合SSD的结构，形成RFBnet。
目的就是：从轻量级CNN模型中学到的深层特征，使它们有助于快速准确的探测器

Method：

作者受RF的启发，得到如下图的Block:

RFB其实就是多分枝卷积块，由2部分组成：
1.前一部分与inception一致，采用多分支的卷积核；
2.后面跟dilated convolution.

RFB其实就是采用inception的结构+dilated convolution的方式。

Architecture：RFB Net
RFB Net采用了SSD的多尺度和单级框架，其中RFB模块被嵌入以改善从轻量级主干提取的特征，使得探测器更准确且仍然足够快。

Training:
作者在训练阶段都几乎采用了SSD的方法（不多说）。

Experiment:
不多说直接上图，VOC:
COCO：

Speed:
作者主要看重速度，在轻量化模型的基础上，达到比较理想的速度。