FasterRCNN学习笔记
FasterRCNN网络结构：
Faster RCNN可以分为4个主要内容
1、Conv layers。
特征提取网络Backbone。Faster RCNN首先使用一组基础conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后续RPN层和全连接层。
2、Region Proposal Networks。
RPN网络用于生成proposals（建议框）。该层通过softmax判断anchors（先验框）属于foreground或者background，利用bounding box regression修正anchors获得精确的proposals。
3、RoI Pooling。
该层收集输入的feature maps和proposals，综合这些信息后提取proposal feature maps，送入后续RCNN全连接层判定目标类别。
4、Classification。
利用proposal feature maps计算proposal的类别，同时再次bounding box regression获得检测框最终的精确位置。
1、Conv layers
对于一副任意大小PxQ的图像，首先缩放至固定大小MxN，然后将MxN图像送入网络；Conv layers中包含了13个conv层+13个relu层+4个pooling层；且：
- 所有的conv层都是：kernel_size=3，pad=1
- 所有的pooling层都是：kernel_size=2，stride=2
在整个Conv layers中，conv和relu层不改变输入输出大小，只有pooling层使输出长宽都变为输入的1/2。一个MxN大小的矩阵经过Conv layers固定变为(M/16)x(N/16)。这样Conv layers生成的featuure map中都可以和原图对应起来。以VGG16为例，假设输入图像的维度为3X600X800，由于VGG16下采样率为16，因此输出的feature map的维度为512X38X 50。
2、RPN模块
RPN 采用卷积特征图并在图像上生成建议。
RPN网络: 生成较好的建议框proposal，这里用到了强先验的Anchor。
输入: feature map、 物体标签，即训练集中所有物体的类别与边框位置。
输出: Proposal、 分类Loss、 回归Loss, 其中，Proposal作为生成的区域，供后续模块分类与回归。两部分损失用作优化网络。
1、Anchor生成
RPN对feaure map上的每一个点都对应了9个Anchors，这9个Anchors大小宽高不同，对应到原图基本可以覆盖所有可能出现的物体。这样做获得检测框很不准确，不用担心，后面还有2次bounding box regression可以修正检测框位置。有了数量庞大的Anchos，RPN接下来的工作就是从中筛选，并调整出更好的位置，得到Proposal。
feature map中每个点上有k个anchor（默认k=9），而每个anhcor要分foreground和background，所以每个点由256d feature转化为cls=2k scores；而每个anchor都有[x, y, w, h]对应4个偏移量，所以reg=4k 坐标
全部anchors拿去训练太多了，训练时会选取256个合适的anchors进行训练（128个postive anchors+128个negative anchors）
anchors 是基于卷积特征图定义的，但最终的 anchos 是相对于原始图片的。最终图片的锚点会相隔 r 个像素，在 VGG 中，r=16。
上图是特征图映射到原始图片上的 Anchor 的中心坐标点
左：特征图上单点的Anchors；中：特征图空间单一锚点映射到原图的 Anchors；右：映射到原图全部的Anchors
原图一共38 x 50 x 9 = 17100 个Anchor。
2、RPN卷积网络
利用1X1卷积在feature map上预测每一个Anchor的类别作为预测边框的类别：前景/背景预测得分，预测真实的边框相对于Anchor的偏移量。
2.1 softmax预测每一个Anchor的前景/背景得分
每一个anchor类别的预测值
经过1x1卷积降维的feature map为Ｗ×H×18。这刚好对应了feature maps每一个点有９个anchors，每个anchors可能foreground和background，这些信息都保存在W×Hx(9x2)大小的矩阵。后面的softmax分类函数获得foreground anchors，具体就是每一个Anchor是前景和背景概率得分，是一个二分类问题，即目标可能出现在foreground anchors中。
reshape layer作用是为了便于softmax分类，对应至上面的保存bg/fg anchors的矩阵[1, 2x9, H, W]。而在softmax分类时需要进行fg/bg二分类，所以reshape layer会将其变为[1, 2, 9xH, W]大小，即 单独“腾空”出来一个维度以便softmax二分类，之后再reshape回原状。
每一个anchor类别的真值
RPN网络通过计算anchors与标签的IoU来判断anchor属于前景还是背景，利用anchors和softmax初步提取出foreground anchors作为候选区域。
2.2 预测anchor的4个位置坐标的偏移量
每一个anchor的偏移真值
Anchor的中心坐标xa与ya，宽高分别为wa与ha，标签M的中心坐标为x与y，宽高分别为w与h。位置偏移tx与ty利用宽与高进行了归一化，而宽高偏移tw与th进行了对数处理，这样的好处是进一步限制了偏移量的范围，便于预测。
每一个anchor的偏移预测值
经过1x1卷积降维输出feature map为WxHx36，9个anchors，每个anchors又都有4个回归的[dx(A)，dy(A)，dw(A)，dh(A)]变换量，真实物体标签相对于Anchor的4个预测偏移量。在得到预测偏移量后，可以反向使用上面的公式将预测偏移量作用到对应的Anchor上，得到预测框的实际位置x’、y’、w’和h’。
RPN网络结构总结：
生成anchors -> softmax分类器提取fg anchors -> bbox reg回归fg anchors -> 生成proposals
实际上，Anchor是我们想要预测属性的先验参考值，并不局限于矩形框。如果需要，我们也可以增加其他类型的先验，如多边形框、角度和速度等。
2.3 计算RPN loss：
这一步只在训练中，将所有的Anchors与标签GT进行匹配，通过计算anchors与标签的IoU来判断anchor属于正样本还是负样本，得到分类与偏移的真值，与第二步中的预测得分与预测偏移值进行loss的计算。
由于Anchor的总数量接近于2万，并且大部分Anchor的标签都是背景，如果都计算损失的话则正、负样本失去了均衡，不利于网络的收敛。在此，RPN默认选择256个Anchors进行损失的计算，其中最多不超过128个的正样本。如果数量超过了限定值，则进行随机选取。当然，这里的256与128都可以根据实际情况进行调整，而不是固定死的。
损失函数设计
有了网络预测值与真值，接下来就可以计算损失了。RPN的损失函数包含分类与回归两部分，具体公式所示。
第一部分代表了256个筛选出的Anchors的分类损失，Pi为每一个Anchor的类别真值，Pi为每一个Anchor的预测类别。由于RPN的作用是选择出Proposal，并不要求细分出是哪一类前景，因此在这一阶段是二分类，使用的是交叉熵损失。
第二部分代表了回归损失，其中Pi进行筛选的作用，只需要对正样本进行回归，系数是用来平衡两部分损失的作用。回归损失使用了smooth L1函数。
2.4、NMS和筛选Proposal得到Rol：
由于锚点经常重叠，因此Proposal最终也会在同一个目标上重叠。为了解决重复Proposal的问题，我们使用一个简单的算法，称为非极大抑制（NMS）。应用 NMS 后，我们保留评分最高的 N 个Proposal。论文中N=2000。
在训练时，上一 步生成的Proposal数量为2000个，其中仍然有很多背景框，真正包含物体的仍占少数，因此完全可以针对Proposal 进行再一步筛选，过程与RPN中筛选Anchor的过程类似，利用标签与Proposal 构建loU矩阵，通过与标签的重合程度选出256个Rol，每一个RoI都赋予了正样本或负样本标签。在测试阶段，则不需要此模块，Proposal 可以直接作为RoI（大概300个左右) 。
3、RoI pooling
这部分承上启下，接受卷积网络提取的feature map和RPN的RoI，输出送到RCNN网络中。由于RCNN模块使用了全连接网络，要求特征的维度固定，而每一个RoI对应的特征大小各不相同，无法送入到全连接网络，因此RoI Pooling将Rol的特征池化到固定的维度，方便送到全连接网络中。
RoIPooling
4、RCNN
R-CNN 架构
R-CNN 对每个建议采用特征图，将它平坦化并使用两个大小为 4096 的有 ReLU 激活函数的全连接层。
然后，它对每个不同的目标使用两种不同的全连接层：
- FC 21 用来分类，预测RoIs属于哪个类别（20个类+背景）
- FC 84 用来回归位置（21个类，每个类都有4个位置参数）
将RoI pooling得到的特征送入全连接网络，预测每一个 RoI的分类，并预测偏移量以精修边框位置，并计算损失。主要包含3部分：
1、RCNN全连接网络：将得到的固定维度的RoI特征接到全连接网络中，输出为RCNN部分的预测得分与预测回归偏移量。
2、计算RCNN的真值：对于筛选出的RoI， 需要确定是正样本还是负样本，同时计算与对应真实物体的偏移量。
3、RCNN loss：这一步只在训练中，通过RCNN的预测值与RoI部分的真值。对于分类问题，直接利用交叉熵损失，而对于位置的回归损失，一样采用Smooth_L1 Loss，只不过只对正样本计算损失，而且是只对正样本中的这个类别4个参数计算损失
从整个过程可以看出，Faster RCNN是一个两阶的算法，即RPN与RCNN,这两步都需要计算损失，只不过前者还要为后者提供较好的感兴趣区域。
训练损失有：
1、RPN 分类损失：anchor是否为前景（二分类）
2、RPN位置回归损失：anchor位置微调
3、RoI 分类损失：RoI所属类别（21分类，多了一个类作为背景）
4、RoI位置回归损失：继续对RoI位置微调
四个损失相加作为最后的损失，反向传播，更新参数。
参考（感谢）
一文读懂Faster RCNN
物体检测系列之faster-rcnn原理介绍
等．．．