2024年6月29日 · Receptive Field Block（RFB）模块是一种多分支卷积块，旨在增强轻量级CNN模型学习到的深层特征，以提高目标检测的准确性和速度。 RFB模块由两个主要组件组成：多分支卷积层和后续的扩张池化或卷积层。 多分支卷积层采用不同的核大小，类似于Inception结构，用于模拟多尺度的感受野。 扩张池化或卷积层用于控制感受野的偏心性，模拟人类视觉系统中感受野大小和偏心性之间的关系。 RFB模块旨在提高特征的可区分性和鲁棒性，使得轻量 …

2021年10月22日 · 为了评估作者提出网络的 性能，实验在两个主要的基准线方法上 (baseline)进行比较，结构表明RFBnet可以在拥有实时目标检测速度的前提下，依然有着卓越的检测性能。 最近几年 (2018年的背景喽)以RCNN,Fast-RCNN,Faster-RCNN为首的这三兄弟以及其牛逼的性能霸榜 Pascal VOC , MS COCO, and ILSVRC这三个数据集。 当然啦，他们都是二阶目标检测网络，大致思想为，一阶段进行前景与背景的区分，二阶段进行分类与回归。 然后作者就扯了扯最近二 …

2022年3月9日 · 文中提出了一种新的特征提取模块——RFB，该文的出发点是模拟人类视觉的感受野从而加强网络的特征提取能力，在结构上RFB借鉴了Inception的思想，主要是在Inception的基础上加入了空洞卷积，从而有效增大了感受野._rfb模块

2024年7月8日 · 论文 "Receptive Field Block Net for Accurate and Fast Object Detection" 中提出的 RFB (Receptive Field Block) 模块旨在模仿人类视觉系统中的感受野结构，以增强 深度学习 模型对不同尺度和位置的目标检测能力。 下面总结了RFB模块的主要优点和潜在局限性。 优点: 增强特征区分性和鲁棒性: RFB模块通过模拟人类视觉系统中 感受野 的大小和偏心率之间的关系，增强了轻量级CNN网络的特征表示，从而提高了特征的区分性和鲁棒性。 多尺度信息整合: RFB模 …

RFB 用了不同kernel的多分支池化（ multi-branch pooling with varying kernels），这些参数的选择是根据 RFs 的不同sizes的,用了dilated convolution 来控制离心率eccentricities, 并且reshapes 到最后的表达形式。 如下图所示： 作者说了自己的贡献是： 有一点我觉得比较make sense的： Inception block 用了多支路多个核大小（multiple branches with different kernel sizes）来得到多尺度信息（multi-scale information），但是这些核都是在同一个中心采样的，所以需要更大的核 …

2024年6月29日 · RFB模块被嵌入到SSD等目标检测框架中，用于改善从轻量级骨干网络提取的特征，从而提高检测器的准确性和速度。 通过引入RFB模块，研究人员实现了在保持实时性能的同时，达到了先进深度检测器的性能水平。

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。 感受野的概念之前讲过，这里不再介绍。 主要介绍一下本篇论文的思想来源：人类视网膜map。 （A）pRF大小作为一些人类视网膜图中偏心率的函数，其中两个趋势是明显的： pRF大小在图之间不同。 （B）基于（A）中的参数的pRF的 空间阵列 …

作者想加强一个轻量级的网络的特征表示，受神经科学的启发，population Receptive Field的size是一个视网膜eccentricity的函数，会随着偏心量的增大而增大。 对于目前的模型来说，在一个 feature map 上的感受野是固定的，而人类的感受野是由多个不同的感受野复合而成的，用固定的感受野会损失一些信息。 这篇文章就想到引入多个 感受野，直观上第一感觉特别像InceptionNet。 Inception是这个样子的. 虽然接了不同的感受野，但是concact到一块之后，所有 kernel 的采 …

2024年3月5日 · RFB模块，即Receptive Field Block模块，是一种用于增强轻量级 卷积神经网络 （CNN）特征表示的网络结构。 它的设计灵感来自于人类视觉系统的感受野（Receptive Field），特别是感受野的大小和偏心率（即感受野中心与视网膜中心的距离）随视网膜位置变化的 …

2017年11月21日 · Inspired by the structure of Receptive Fields (RFs) in human visual systems, we propose a novel RF Block (RFB) module, which takes the relationship between the size and eccentricity of RFs into account, to enhance the feature discriminability and robustness.