通俗易懂地了解faster RCNN(RPN区域建议网络)

faster RCNN[2015 Ren]

回顾

R-CNN ==> 1image/mni

Fast R-CNN ==> 1~2 fps

1. faster RCNN

1. Backbone(神经网络模型)
   • pre-train(预训练)
   • fine-tuning(微调)
   • re-train
2. RPN:Region Proposal Net(区域生成网络 )
   • 代替selective searchs生成区域建议
   • 输入feature map(特征图),输出一系列ROI(感兴趣区域)
3. Fast RCNN:ROI + {Classification; Regression}
4. 可近似的Faster RCNN = RPN + Fast R-CNN

2. Backbone

1. 作用：提取特征(一次)

   • 不用给每个ROI都提取特征
   • 通过RPN将提取的特征来生成区域建议

2. 结构：ZF / Resnet / VGG16(13 conv + 13 Relu + 4 Pooling)

   • 把网络结构当积木来用的思维
   • 比如想要算快一些，网络换成mobile net, shuffle net都是可以的

3. 输出 Batchsize x Channel x H/16 x W / 16 (VGG16举例)
   

   • faster rcnn将尺寸为1000 x 800大小的feature map归一化到600 x 800的尺寸，则其输出的特征图大小为
     1 x 256 x 38 x 50

4. backbone获取特征图信息，然后用RPN网络筛选候选框和ROIPooling输出相同尺寸的特征图，整个faster rcnn如下图

3. RPN

Test 网络结构

1. 3x3卷积主要作用是语义转化，可以增加网络复杂程度，增加RPN的拟合能力
2. 1x1卷积用于通道转换，原则上可以转换成任意通道的特征图
3. 例如经过上面支线的1x1卷积后的尺寸为38x50x18，经过第一个reshape将尺寸变为(2, 38x50x9)其中2表示用于二分类判断是否是ROI；判断完后再reshape回38x50x18
4. 经过下面支线的1x1卷积后的尺寸为38x50x36,36等于4x9，其中4表示坐标信息，用于左边回归预测
5. 3和4中的9指的是9个anchor
6. 3x3卷积后两条支线合并，输出区域建议(坐标)信息

RPN目标

• 生成region proposal区域建议
• 因为流程为先RPN找出区域建议的物体，然后在做更加精细的类别划分和Bbox回归，这种方式被称为Two-Stage
• 因此有人认为两阶段检测比一阶段检测更准

Anchor

• 代表在原图中的区域(目标在的地方)
• 有不同的大小和比例anchor去覆盖所有种类的对象
• 3种大小(8,16,32),3种比例(1:1,1:2,2:1)，共9个框
• 以特征图w=50,，h=38为例，特征图中每个特征点对于原图中9个框(anchor)
• 对应生成 anchor = 1 x 9 x 38 x 50 = 17100个框
• 边缘筛除去除一些出了边界的anchor，及其去除一些比较小的anchor，得到12k左右anchor，再用IOU计算和NMS算法筛选，最后剩余2k左右anchor

Train 网络结构

Train网络结构中RPN的Test两条支线如下

faster RCNN 网络结构手绘制版

• gt为图片中真实标记的框，与init anchor(anchor create)生成的anchor做iou计算和NMS算法筛选，得到分类和回归的正负样本(2k个左右anchor box)，是监督网络学习的监督信息
• 通过***gt生成anchor的过程***(对应手绘制RPN网络结构中左边的rpn-data)如下，每个anchor都有分类信息(2个)、和gt对应的偏移量(4个, △x,△y,△w,△h)
  共6个值，9个anchor共54个值

• 将正负样本分别和分类回归的预测做loss计算，一个为分类loss，一个为回归loss，两个loss加一起就可以训练RPN网络
• 手绘制RPN网络结构蓝色部分为测试，红色部分为训练
• 蓝色(20+1) x 4 中20为类别

Smooth L1 loss

• RPN在做回归时，上图Train网络结构中绿线框选的部分，需要先做掩膜版(Mask)
  
• Smooth L1 Loss公式
  
• Smooth L1 loss作用
  • 预测偏移量
  • 对大小物体一视同仁，做归一化
• 偏移量回归
  
  

we hope a -> t,
but actually a generate p.

So as long as p -> t,
we get a good result.

So as long as the offset of 
p-a -> t-a
We get a good result

So here we hope t. -> t.*

RPN训练细节

• 取IOU > 0.7 的anchor作为前景FG
• 取IOU < 0.3 的anchor作为背景BG
• IOU在0.3和0.7的anchor去除
• batchsize为128，fg和bg的比例为1:3

4. 训练

Faster RCNN = RPN + Fast R-CNN

问题

rpn需要训练，fast rcnn也需要训练；共用的话，训练rpn时backbone变了，用rpn的数据训练fast rcnn时，backbone又变了，会导致rpn不准确

weight share(权重共享) RPN包含backbone，Fast rcnn也包含backbone，Fast rcnn需要用到RPN的输出

训练四阶段

分布联合训练

1. 仅训练rpn，backbone更新，rpn-unique(专有部分网络)也更新
2. 把1中rpn的结果用于fast rcnn训练，backbone共享，backbone更新，fast rcnn(专有部分网络)也更新
3. 使用2中更新过的backbone重新训练rpn，固定rpn，更新rpn unique
4. 使用3中的rpn训练fast rcnn，backbone固定，更新fast rcnn unique

rpn的region proposal区域建议用于fast rcnn训练，backbone更新，fast rcnn的专有网络也更新

附:

faster rcnn代码实现

faster rcnn框架/库mmdetection

faster rcnn框架/库detectron2