用于精确快速物体检测的接收场块网络, ECCV 2018
受人类视觉系统感受野 (RF) 的结构启发,我们提出了一种新的 RF Block (RFB) 模块,该模块考虑了 RF 的大小和偏心度之间的关系,以提高特征的可区分性和鲁棒性。我们还将 RFB 模块组合到 SSD 的顶部,构建了 RFB Net 检测器。您可以使用代码来训练/评估 RFB Net 进行物体检测。详情请参阅我们的 ECCV 论文。
| 系统 | mAP | FPS（Titan X Maxwell） |
|---|---|---|
| Faster R-CNN (VGG16) | 73.2 | 7 |
| YOLOv2 (Darknet-19) | 78.6 | 40 |
| R-FCN (ResNet-101) | 80.5 | 9 |
| SSD300* (VGG16) | 77.2 | 46 |
| SSD512* (VGG16) | 79.8 | 19 |
| RFBNet300 (VGG16) | 80.7 | 83 |
| RFBNet512 (VGG16) | 82.2 | 38 |
| 系统 | test-dev mAP | 时间 (Titan X Maxwell) |
|---|---|---|
| Faster R-CNN++ (ResNet-101) | 34.9 | 3.36s |
| YOLOv2 (Darknet-19) | 21.6 | 25ms |
| SSD300* (VGG16) | 25.1 | 22ms |
| SSD512* (VGG16) | 28.8 | 53ms |
| RetinaNet500 (ResNet-101-FPN) | 34.4 | 90ms |
| RFBNet300 (VGG16) | 30.3 | 15ms |
| RFBNet512 (VGG16) |
暂无开放 Issues，或尚未同步最近议题。