RefineDet

RefineDet能够当作是SSD,RPN,FPN算法的结合,其主要思想是:Faster-RCNN等two-stage算法,对box进行两次回归,于是精度高,可是速度慢;YOLO等one-stage算法,对box只进行一个回归,速度快,可是精度低.RefineDet将二者结合起来,对box进行两次回归,可是是one-stage算法,既提升了精度,同时速度也较快.RefineDet的框架是SSD,同时引入了FPN的特征融合操做,提升对小目标的检测效果.

YOLO等one-stage算法,经过设置固定尺寸的Anchor Box来进行回归,RefineDet改变了这一点,其Anchor Box的尺寸再也不是固定的,而是变化的,由一个专门的Branch预测Anchor Box的尺寸,再由另外一个Branch在预测的Anchor Box的基础上进行回归,从而提升了精度.RefineDet网络的结构图以下所示,主要由三个部分组成:Anchor Refinement Module (ARM) ,Object Detection Module (ODM)和Transfer Connection Block (TCB).

ARM负责对Anchor Box进行前景,背景二分类以及回归,ODM负责在ARM输出的基础上,回归之后的Anchor Box进行多类回归和分类.二者均采用了FPN结构,中间经过TCB链接起来,TCB的结构以下图所示:

其中最后一层不须要Deconv.