《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》论文笔记

In this work, we introduce a Region Proposal Network(RPN) that shares full-image convolutional features with the detection network, thus enabling nearly cost-free region proposals.

文章是将RPN和 R-CNN做一个共享和融合，从而达到加速的目的。

整个文章最大的亮点就是RPN 与 R-CNN的统一化。

Region Proposal Networks

以图片为输入，输出一系列方框及对应的分数，本文通过全卷积网络实现

滑动窗口对应出一个更低维度的vector，分别给两个网络做输入：box-regression layer( reg) 和 Box-Classification layer(cls)

Translation-Invariant Anchors

cls : 产生分数 是/不是 两个分数

reg： 产生box的位置 每个框四个数值

A loss Function for Learning Region Proposals

提出了训练中的loss函数，个别参数的意义

Optimization

bp算法+SGD（随机梯度下降）+ mini-batch

阐述了初始化策略（大家都没差）

learning rate 等各种超参数

Sharing convolutional features for region proposal and object detection

两个网络的卷积网络部分分别做一定的修改（两个网络的训练是独立进行的），使得两个网络可以共享卷积层部分

Implementation Details

列举出了各个部分具体的细节和参数