1.RFBNet有哪些创新点？

RFBNet主要想利用一些技巧使得轻量型模型在速度和精度上达到很好权衡的检测器，其灵感来自于人类视觉的感受野结构Receptive Fields（RFs），提出了比较新颖的RF block（RFB）模块，来验证感受野尺寸和方向性对提高有鉴别鲁棒特征的关系。RFBNet是以主干网络为VGG的SSD构建的，主要在inception的基础上加入了dilated卷积（dilated卷积），从而有效增大了感受野。整体上因为是基于SSD网络进行改进的，所有检测速度还是比较快，同时在精度方面也有一定的保证。

2.RFB模块详解

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：多分支卷积层和dilated卷积层。如下图：

1.多分支卷积层：根据RF的定义，使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的卷积减少通道特征，然后加上一个nxn卷积。2.用5x5卷积替换为2个3x3的卷积去减少参数，这样可得到非线性结构更好的层。3.为了输出，卷积经常有stride=2或者是减少通道，所有直连层为了匹配维度用一个不带激活函数的1x1卷积层。

2.dilated 卷积层：设计灵感来自于Deeplab，在保持参数量可扩大感受野，用来获取更高分辨率的特征。下图展示了两种RFB结构：RFB和RFB-s。每个分支都是一个正常卷积后面加一个dilated卷积，主要尺寸和dilated因子不同。（a）RFB整体上借鉴了Inception的思想，主要不同点在于引入了3个dilated卷积层。（b）RFB-s和RFB相比主要有两个改进，一方面用3x3的卷积层代替5x5卷积层，另一方面用1x3和3x1的卷积来代替3x3卷积，主要目的是为了减少计算量，类似Inception后期版本对Inception结构的改进。

RFBNet300的整体结构基本上和SSD类似，RFBNet和SSD不同是：1、主干网络上用两个RFB结构替换原来新增的两层。2、conv4_3和conv7_fc在接预测层之前分别接RFB-s和RFB结构，下面为RFBNet300结构图与SSD的结构图。