Faster R-CNN理解

原文链接：https://www.cnblogs.com/CZiFan/p/9914264.html
论文地址：Faster R-CNN: Towards real-time object detection with region proposal networks
Faster RCNN demo：https://github.com/rbgirshick/py-faster-rcnn

====================================================

0 - 背景

　　R-CNN中检测步骤分成很多步骤，fast-RCNN便基于此进行改进，将region proposals的特征提取融合成共享卷积层问题，但是，fast-RCNN仍然采用了selective search来进行region proposals的预测，者称为性能的瓶颈（selective search不能在GPU上运行，还没搞懂为何？）。因此faster-RCNN提出采用RPN网络来生成region proposals，且RPN和ROI Pooling之前的特征提取共享特征提取卷积层来加速模型。

　　R-CNN/fast-RCNN/faster-RCNN的对比图如下（图来自博客）

1 - 整体思路

　　

（图来自博客）

1.1 - Region Proposal Networks(RPN)

　　RPN网络将一张图片（大小不限制）作为输入，输出一系列的proposals，并且每一个都有非背景（前景）得分。

 （图来自博客）

1.2 - Anchors

　　参照图片金字塔思想，对于窗口（sliding windows）的每一个坐标，同时预测k个尺度的proposals，因此CLS有2k个输出（即每一个proposal是否为背景），reg有4k个输出（即对该边框回归偏移量），对于同一个位置的k个proposals称之为anchor，其可以通过面积以及长宽比进行定义。文中采用了9个anchor：三种面积{1282,2562,5122}×{1282,2562,5122}×开始，训练PRN

　　执行两次迭代，并且在训练时冻结部分共享层，可以达到不错的效果。

2 - 实验

　　相比Fast RCNN消除了selective search的性能瓶颈，提高了模型效率。且与使用selective search方法相比，每张图生成的proposals从2000减少到300时，RPN方法（红蓝）的召回率下降不大，这说明RPN目的性更明确。

　　　　

　　使用更大的Miscrosoft COCO库训练，直接在PASCAL VOC上测试，准确率提高6%，说明faster RCNN的泛化能力（迁移能力）良好，没有在训练集上过拟合。

　　　　　　　　

3 - 参考资料

https://segmentfault.com/a/1190000012789608

https://blog.csdn.net/shenxiaolu1984/article/details/51152614

https://www.cnblogs.com/CZiFan/p/9903518.html

https://www.cnblogs.com/CZiFan/p/9901729.html

https://www.cnblogs.com/CZiFan/p/9901000.html