ECCV2018
論文：Receptive Field Block Net for Accurate and Fast Object Detection
論文鏈接：https://arxiv.org/abs/1711.07767
代碼鏈接：https://github.com/ruinmessi/RFBNet
為了模擬人視覺系統的感受野，增強CNN的特征提取能力，本文提出RFB（Receptive Field Block）結構，並應用在SSD上。從
后文可以看出，RFB中使用了多尺度的dilated convolution，增加了感受野的范圍。
（近年不少感受野的文章，包括Inception family, ASPP, and Deformable CNN）
1、RFB結構
RFB的結構如上圖所示，首先用了多個分支，每個分支使用不同的卷積核（跟inception 一樣）；之后在每個分支上，分別接不同rate的dilated conv，
在大的conv上，使用更大的dilated conv；最后將不同尺度的特征圖進行concat，並使用1*1來調整特征維度。
（1）多分支結構。借鑒了Inception V4 和Inception-ResNet V2，包括如下兩種。其中RFB-s使用了更多的分支和更小的卷積核（用於淺層特征提取）。為了減少參數，使用兩個3*3替代
5*5，並使用不對稱卷積替換n*n。
（2）dilated conv。在不增加參數的基礎上，擴大感受野
2、幾種感受野結構的對比
四種結構對比，一目了然。
3、網絡結構
RFB Net仍然使用SSD的多尺度特征結構，在其中插入RFB module。有圖可知，在淺層中，使用了RFB-s，並在
中間層中用了stride=2的RFB（后面特征圖太小，無法使用5*5的卷積核）。
4、實驗
（1）RFB max pooling 和avg pooling是什么？
在https://github.com/ruinmessi/RFBNet/issues/48中，作者給出了回答：
RFB-max pooling就是dilated max pooling layer，而不是dilated conv layer。從實驗上看效果提升最明顯，也說明擴大感受野的好處還是很明顯的。
（2）在conv4_3上，將default box從4增加到6，有些許提升。
