本人小白，写博客是为了记录学习笔记，也为了和各位大佬交流，如果文中出现错误，希望各位指正，本人不胜感激！

论文题目：Receptive Field Block Net for Accurate and Fast Object Detection

论文链接：https://arxiv.org/abs/1711.07767

摘要：

RFB Net能够在保持实时速度的同时达到高级非常深的检测器的性能。

网络贡献：

• 模拟人类视觉系统中RF的大小和偏心率的配置，旨在增强轻量级CNN网络的深度特征；
• 基于RFB Net的检测器，并且通过简单地用RFB替换SSD [22]的顶部卷积层，它显示出显着的性能增益，同时仍然保持计算成本在控制之下；
• 表明RFB Net在Pascal VOC和MS COCO上实现了最先进的结果，并通过将其连接到MobileNet上展示了RFB的泛化能力；

网络结构比较：

•  Inception块：采用具有不同内核大小的多个分支来捕获多尺度信息。然而，所有的核在同一个中心采样，这需要更大的核来达到相同的采样覆盖率，从而丢失了一些关键的细节；
• ASPP：扩张卷积改变了与中心的采样距离，但是特征具有与相同内核大小的先前卷积层相同的分辨率，这等同地对待所有位置处的线索，可能导致对象和上下文之间的混淆；
• 可变形CNN ：学习单个对象的不同分辨率，不幸的是，它与ASPP具有相同的缺点；
• RFB：突出了菊花形配置中RF大小和偏心率之间的关系，其中较小的内核将较大的权重分配给靠近中心的位置，声称它们比更远的位置更重要；

网络结构图：

在RFB中使用单个结构设置来模拟偏心的影响，但是由于pRF的大小和偏心率的比率在视觉图之间不同，因此我们相应地调整RFB的参数以形成RFB-s模块，其模拟浅人类视网膜定位图中的较小pRF，并将其置于conv 4_3特征之后。