Faster RCNN 目标检测之Fast RCNN检测器

上一篇文章介绍了rpn的结构和具体实现。今天来介绍faster rcnn中的另一个子网络，fast rcnn检测网络。

• 网络结构
  如下图所示，检测网络的具体结构如下图所示。
  首先，backbone输出的特征图和rpn网络输出的roi同时进入roi pooling层，将每一个roi对应的特征图区域，池化为统一大小（7 * 7）。pooling的结果然后进入classifier（VGG网络分类器中前两个全连接层），最后分别进入两个不同的全连接层分支，上面一个全连接层输出每个roi的类别概率/得分，下面一个全连接层输出每个roi的坐标偏移。

• 实现细节
  fast rcnn的结构比较简单，也容易理解，代码实现也并不复杂。
  这里主要解释ROI Pooling是如何实现的。下图演示了ROI Pooling的过程。其具体过程如下：
  1、首先得到每个roi在特征图上对应的区域，roi_region = np.round(roi * spatial_scale)。
  2、然后将得到的区域划分成out_h * out_w的格网，每一个格网的大小为h // out_h, w // out_w。
  3、最后在每个格网进行max pooling。

在下一节中，我会重点介绍faster rcnn中的Loss。