【深度学习】 三大经典识别算法 R-CNN、Fast R-CNN、Faster R-CNN概述简介

1.R-CNN (14年）

  1.首先用selective search的方法选出许多候选框；

  2.对于每一个候选框分别执行卷积网络的操作，提取特征；

  3.把卷积做好的特征放到svm分类器和Bbox reg的回归器。

  缺点：

  1.候选框没有共享卷积神经网络，不同的框要构造不同的神经网络（因为卷积层虽然不要求图片大小，但是全连接层有要求）。

  2.分类用svm做，很麻烦。

  3.特别费时，一次训练需要84小时，检测一张图片要84秒。

  改进，改进后名字叫SPP-Net：

     加了一个特殊的pooling层SPP层，连在全连接层前面。

  原理：把任意大小的图片进行一个pooling,pooling成一个串，把当前不同尺寸大小的图片，经过Pooling后拼接在一起连成的串的大小一致。然后就可以执行全连接操作，这样不用不同的框构造不同的神经网络，因为全连接层大小也一致了。

 

2.fast R-CNN(15年)

   1.不用selective search操作，先执行卷积操作，这样可以特征共享卷积，一张图像只做一次卷积，加快了速度。

   2.在特征图上找特征图上的某一块对应的是原始图像上的框。

   3.Rol Pooling （SPP操作中的一个特例）之后，得到的特征大小一样的图像然后经过全连接层。

   4.回归加分类

   缺点：

      在上述2中原始图像的框先要对原图像做处理，找到一系列框，这个过程大概耗费两秒时间（只能在CPU中计算），然后再在特征图上通过特征图上的某一块，找到原图像对应的框。

 训练测试时间对比：

    右图蓝色条为加上原图候选框选择的过程， 可以看出fast r-cnn因为有选框的过程变了慢了好多倍。

 

3.Faster R-CNN（15年底）

 1.对图像做卷积操作。

 2.卷积完之后产生的特征图做RPN层操作，由特征图产生候选框。（核心操作）     

   2.1.对候选框做2分类，是物体的留下，不是物体的删除

   2.1.对留下来的候选框和已标签的候选框做回归，计算出loss。

 3.ROI pooling。

 4.然后做n分类，然后和已标签的候选框做回归。   

时间对比：