目标检测-RCNN家族

	基于深度学习的目标检测RCNN家族

一、 R-CNN
R-CNN系列论文（R-CNN,fast-RCNN,faster-RCNN）是使用深度学习进行物体检测的鼻祖论文，其中fast-RCNN 以及faster-RCNN都是沿袭R-CNN的思路。
R-CNN全称region with CNN features，其实它的名字就是一个很好的解释。用CNN提取出Region Proposals中的featues，然后进行SVM分类与bbox的回归。
二、 R-CNN的整体流程

RCNN的流程：

(1) 先对图像进行图像分割，分割成2k个图像区域。
(2) 预训练一个图像分类的CNN网络
(3) 将切割的区域图像，通过预训练的CNN网络进行特征提取，不进行CNN网络的全连接层，只对图像做特征提取
(4) 对特征提取的图像建立对应SVM分类器，将图像特征输入，进行分类。
(5) 将特征提取的图像，传入到定位模型网络总，定位出区域内的目标中心位置和宽高，训练该网络

(1) Selective Search 工作原理：

(2) Bounding Box Regression(边界框回归):

损失函数：

(3) R-CNN 架构图

(4) :R-CNN的计算瓶颈

三、 Fast R-CNN

(1) Fast R-CNN 架构图

	可以看出Fast RCNN主要有3个改进：

1、 卷积不再是对每个region proposal进行，而是直接对整张图像，这样减少了很多重复计算。原来RCNN是对每个region proposal分别做卷积，因为一张图像中有2000左右的region proposal，肯定相互之间的重叠率很高，因此产生重复计算。
2、 用ROI pooling进行特征的尺寸变换，因为全连接层的输入要求尺寸大小一样，因此不能直接把region proposal作为输入。
3、 将regressor放进网络一起训练，每个类别对应一个regressor，同时用softmax代替原来的SVM分类器。

(2) ROI pooling

(3) 损失函数

(4) 总结

四、 Faster R-CNN

Region Proposal Network(RPN):

即区域候选网络，该网络替代了之前RCNN版本的Selective Search，用于生成候选框。这里任务有两部分，一个是分类：判断所有预设anchor是属于positive还是negative（即anchor内是否有目标，二分类）；还有一个bounding box regression：修正anchors得到较为准确的proposals。因此，RPN网络相当于提前做了一部分检测，即判断是否有目标（具体什么类别这里不判），以及修正anchor使框的更准一些。
(1) 训练步骤

(2) 损失函数

(3) 总结

五、 RCNN家族总结示意图