向AI转型的程序员都关注了这个号 👇👇👇
机器学习AI算法工程 公众号： datayx
论文：Receptive Field Block Net for Accurate and Fast Object Detection (CVPR2017)
链接：https://arxiv.org/abs/1711.07767
代码地址：https://github.com/ruinmessi/RFBNet
1 绪论部分：
当前顶级目标检测器依赖于非常深的CNN主干网络，例如ResNet-101和Inception，优点是它们具有强大的特征表现能力，但是耗时严重。相反地，一些基于轻量级模型的检测器满足实时处理，但是精度是诟病。
在RFBNet这篇论文中，主要想利用一些技巧使用轻量级模型达到速度和精度并举的检测器。灵感来自人类视觉的感受野结构Receptive Fields (RFs) ，提出了新奇的RF block（RFB）模块，来验证感受野尺寸和方向性的对提高有鉴别鲁棒特征的关系。RFBNet是以主干网络(backbone)为VGG16的SSD来构建的。下面是讨论其有效性，两项基准测试实验和结果显示。RFBNet具备同非常深的主干网络检测器的精度，但是保持了实时性。
2 相关工作：
这部分就不介绍了，主要是对目前一步法和两步法的一些利弊总结。有个比喻挺形象：YOLO定位精度差，小目标检出率低；SSD是YOLO的多尺度版本，对小目标检出有改善。
3.2 感受野模块：
RFB是一个类似Inception模块的多分支卷积模块，它的内部结构可分为两个组件：多分支卷积层以及随后的膨胀卷积层。如下图
3.2.1.多分支卷积层：
根据RF的定义，用多种尺寸的卷积核来实现比固定尺寸更好。具体设计：1.瓶颈结构，1x1-s2卷积减少通道特征，然后加上一个nxn卷积。2.替换5x5卷积为两个3x3卷积去减少参数，然后是更深的非线性层。有些例子，使用1xn和nx1代替nxn卷积；shortcut直连设计来自于ResNet和Inception ResNet V2。3.为了输出，卷积经常有stride=2或者是减少通道，所以直连层用一个不带非线性激活的1x1卷积层。
访问AI图谱 技术分享社区
3.2.2.膨胀卷积层：
最初来自Deeplab，在保持参数量和同样感受野的情况下，用来获取更高分辨率的特征。图4,5展示两种RFB结构，每个分支都是一个正常卷积后面加一个膨胀卷积，主要是尺寸和膨胀因子不同。没有使用膨胀池化，主要是在组织不同RFs尺寸的时候，不够灵活。对于RFB，卷积核尺寸kernel size和膨胀因子dilate对检测器有细微影响，下面会讲。
3.3 RFBNet检测结构
RFBNet检测器利用多尺度一步检测框架SSD，在其中嵌入RFB模块，使得轻量级主干SSD网络也能更快更准。RFB结构可以很容易集成到CNNs中，所以RFBNet检测网络保留了大部分SSD结构。主要修改是替换顶层卷积层为RFB，这些改动小但有用。如下图。
3.3.1.轻量级主干
为了便于比较直接使用SSD原始的主干网络，也就是VGG16。它是将fc6和fc7层转换成卷积层用于下采样参数，并且将pool5从2x2-s2改成3x3-s1.膨胀卷积用来填充空缺和所有dropout层，并移除fc8层。
3.3.2.多尺度特征图RFB
原始SSD，基础主干网络后面接着一系列重叠的卷积层，得到一系列空间分辨率减小而感受野增大的特征图。RFBNet保持了这种结构，也做了些改进，用RFB-b模块替换了原来L2归一化，达到从前面卷积层获取包含小目标的底层特征图。早期版本的RFB，使用的是膨胀max pool来模拟感受野方向性的影响。由于特征图太小，最后的卷积层只保留了部分，像5x5卷积核过大，无法使用而去掉。
3.3.3微调RFB参数
主要就是调节RFB模块中卷积核kernel size以及膨胀因子dilate。RFB-a是调整后的结构，然后从conv4\_3层连出。再在后面接一些小的滤波器，对性能有一定提升。
阅读过本文的人还看了以下：
分享《深度学习入门:基于Python的理论与实现》高清中文版PDF+源代码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
长按图片，识别二维码，点关注
访问AI图谱