FasterRCNN 理解(精简版总结）

RCNN系列的内容已经有非常多同学分享出来了，大多也非常详细。为了避免在长文中迷失方向，这里做个精简版的总结，记录个人的理解。主要是概括算法流程以及特点，方便回顾。先简单介绍下RCNN和Fast RCNN，在详细记录faster rcnn的RPN网络的理解。

RCNN:

1. 流程

（1）. 采用传统方法Selective Search产生目标候选框

（2）. 对每个候选框，用深度卷积神经网络提取特征得到feature map

（3）. 每个框得到的feature map喂给SVM分类器，并通过线性回归调整bounding box的位置和大小，使得更接近 gt

2. 缺点：

（1）CNN网络参数不共享

（2）采用SVM分类器，速度慢

（3）产生后选框ROI的大小不一样，这样导致CNN输出与FC维度不统一

 

总的来说，RCNN比较笨，比较慢，进而提出SPP-net。SPP-net用CNN一次性提取特征，并利用空间金字塔池化（spatial pyramid pooling）将大小不一致的proposal变成大小一样的。

Fast RCNN

1. 流程：

（1）CNN提取输入图像特征，得到feature map

（2）从feature map得到ROIs

（3）ROI pooling之后通过softmax 对每个ROI进行分类，并通过BBox reg调整bbox的位置

2. 缺点：

（1）通过Selective Search得到ROI十分耗时

 

Faster RCNN

1. 流程：

（1）同样的用CNN提取输入图像的特征，得到feature map

（2）通过RPN网络从feature map得到候选框ROIs，并对ROIs进行二分类，判别候选框内容是前景还是背景，留下前景的候选框，抛弃背景候选框，并通过回归微调前景的BBox与标注gt接近。关于RPN网络的操作流程及细节，下文会阐述

（3）ROI pooling得到等size的feature，再送入多分类器

（4）通过多分类器对候选框进行多分类，即gt有几类，这个就会分成相应的类别

（5）再进行BBox回归

2. loss的组成部分：

由上述总体流程，可以得知faster rcnn整体的loss由四个部分组成：

（1）RPN网络进行二分类的loss（候选框是前景 or 背景）

（2）RPN网络前景BBox与gt微调的loss，BBox reg loss

（3）多分类的loss，从RPN网络得到的bbox进行多类别判断的loss

（4）最后每个类别BBox reg微调的loss

3. RPN网络

（1）RPN网络的输入是CNN得到的feature map，RPN在feature map上用3*3的滑动窗得到对应原图的多个候选框。

什么意思呢？feature map上的每一个点，都可以映射到原图的一个区域（即感受野）。对feature map 每个点，对应原图的区域，进行不同的形状大小变换，得到不同大小形状的框就是anchor box。这些框的尺寸和大小是预先设置好的。feature map上的每一个点就是原图区域anchoe box的中心点。为了使得覆盖范围更广，检测的物体更多，并保证效率，faster rcnn基于3个不同尺寸大小，3种不同尺度变换的anchor box做变换，对于feature map的每一个点，在原图区域得到9个anchor box。

（2）去掉超出图像边界的anchor box，把所有anchor box送入二分类层，判断每个anchor box是前景还是背景；同时把anchor box送入回归层，调整box与gt接近。

 

 

4. 关于RPN的补充

（1）cls 和reg层都是全卷积网络，用1*1的卷积核代替全连接

（2）anchor 具有平移不变性

（3）anchor的二分类时，有两个方法判断为正例：与gt有最大的IOU的anchor认为是正例；与gt的IOU大于0.7的anchor认为是正例

（4）对重复的box，用nms进行合并进行筛选。若box1和box2重复IOU大于0.7，看box1与box2哪个二分类正例的得分高，谁高保留谁

（5）关于感受野理解补充可参考这位博主：https://blog.csdn.net/program_developer/article/details/80958716