深度学习完全攻略！（连载九：fast-RCNN模型理解）

在前面的章节中，我们已经介绍了RCNN了，可以很明显的看到RCNN是一种基于多方法联合使用的策略。这种方法最大的缺点就是可控性较差。一旦有一个环节没有处理好就影响最终的结果。比如说：

1. select search 方法如果处理不好，后面的基本不用再搞了，而且，这也是算法最耗时的部分
2. CNN需要对每个候选框做扩展，然后送入到神经网络中，这极大的限制了CNN对原始数据的利用
3. SVM分类虽然可以做到较好的分类，同时结合bounding box回归可以预测物体位置，但是这样做很费事
4. 深度学习最擅长的就是做大数据的分析。很久以前，我在研究稀疏表示的时候，参数是自己逐个逐个的调，而且参数不易过多，深度学习却可以用成千上百万的参数做相同的事情。既然是这样，过多的额外步骤就发挥不了深度学习的优势。所以，一个大的趋势就是怎么充分利用CNN的优势，做我们想做的事情，同时去掉额外的多余外来处理和操作。

 

第一，fast-rcnn的原理

在此背景下，fast-rcnn就诞生了。

好了，一张图说一说fast-rcnn的原理。

 

 

从图中可以看到，fast-rcnn相比于rcnn最大的改变是去掉了后面的SVM。直接将目标预测和位置预测放到了CNN中。但是，fast-rcnn保留了select search候选区生成方法，这也为进一步的改进留下了空间。

 

第二，fast-rcnn关键点说明

Fast-rcnn有两个地方是最值得说明的，这也是本文主要的内容所在，ROI pooling 和联合目标函数。

（1）ROI pooling

 

 

 

 

（2）联合目标函数

 

 

 

 

再fast-rcnn中，select search生成候选框很讨厌，怎么把这一部分也省去，让CNN来做呢？下一节，faster-rcnn将做介绍。

本文已同步至微信公众号--> 麻瓜智能，欢迎关注