目标检测之端到端：Fast RCNN

2015年，Ross Girshick提出Fast RCNN,在SPPNet之后提出。

1、Fast R-CNN框架

输入：一张包含多个ROI的图片
网络：多层卷积（用了VGG16）特征提取，每个ROI被池化成一个固定大小的Feature map，最后被全连接层展开成一个特征向量。
输出：特征向量被分享做两次操作（并行）
1：经过output为21维的全连接层，用来做softmax分类，对ROI区域做物体识别
2：经过output为84维的全连接层，用来做box regression候选框回归，修正定位，使定位框更加精准。

2、改进点

• 共享卷积。
  这点和SPPNet一样，将整张图输入CNN,再采用选择搜索（SS）映射原始图中的候选框到特征图中。大大减少计算量。
• ROI Pooling
  具体操作:
  1）根据输入的图像，将ROI映射到特征图的对应位置
  2）将映射后的区域划分为相同大小的sections
  3）对每个sections进行max pooling操作
  可以从不同大小的方框最终得到尺度相同的特征。
• 多任务损失函数
  将分类与回归任务放在一起训练，用了softmax分类，不再使用SVM单独训练，节约了时间。

总结
Fast R-CNN实现了端到端，合并了特征提取和目标识别的步骤，加快了训练速度。
不足：
前面候选框的生成，用selective search消耗的时间是后面特征提取的十几倍。后面Faster RCNN在这方面有所改进。

具体的多任务损失函数：参考文章：Fast CNN 损失函数讲解