【pytorch目标检测】开山之作：R-CNN算法解读

背景

• 将“深度学习”和传统的“计算机视觉”的知识相结合，没有过多的使用深度学习
• 2014年将PASCALVOC数据集检测率从35%提升到53%

具体步骤

总体的步骤图：

1.候选区域生成：ROI(Regions of Interst)

1. Selective Search算法
2. 将图像分割承小区域，合并包含同一物体可能性较高的区域，提取约2000个候选区域
3. 归一化处理，得到固定大小的图像

利用 Selective Search 算法通过图像分割的方法得到一些原始区域，然后利用一些合并策略将这些区域合并，得到一些层次化的区域结构，而这些结构就包含着可能需要的物体。这里的 SS 算法可以详见 此处，算法原始论文Selective Search for Object Recognition。（初始区域的获取是引用另一篇论文的：Efficient Graph-Based Image Segmentation）

2.CNN提取

将固定大小的图像，利用AlexNet CNN网络得到固定维度的特征输出

3.SVM分类器

• 线性二分类器对输出特征进行分类
• 得到是否属于此类的结果，采用难样本挖掘来平衡正负样本的不平衡

对2000x20的每一列近NMS处理

4.位置精修

通过回归器对特征边界回归=Bounding Box regression从而得到更为精准的目标区域

存在的问题

• 候选区域需要提前提取并保存，占用空间较大
• 涉及分类中的全连接网络，所以尺寸是固定的，精度会低
• 需要多步训练，步骤繁琐且训练速度慢