R-CNN系列算法介绍

博客中图片来自霹雳吧啦Wz

R-CNN

主干使用VGG-16,227 * 227图片大小

步骤：

​ 1、一张图片生成1-2k个候选区域（ssh方法，select search）

​ 2、对每个候选区域，使用深度网络提取特征

​ 3、特征送入每一类的SVM分类，判别是否属于该类

​ 4、使用回归器细修正候选框位置

生成候选区域

IOU

保留最高阈值框，，计算其他框与最高值iou,删除高于设定阈值的框

框架

Fast-RCNN

主要流程

1、一张图生成1-2 k候选区域

2、将整个图送入网络得到特征图，将候选框投影到特征图，得特征矩阵

3、将特征矩阵通过ROI pool缩放到7 *7 特征图，将特征图展平，全连接得到预测结果。

获取图像特征的区别

ROI pool

不限制输入图片大小

SVM分类器

并联两个全连接层，1目标概率预测，2边界框回归参数的预测

损失函数，交叉熵损失

分类损失用的交叉熵损失函数

1、多分类，用softmax；

2、二分类，用sigmoid输出

Faster-RCNN

z主干同样使用VGG-16

主要流程

1、整个图像输入网络得到特征图

2、使用RPN（region proposal network）结构生成候选框，候选框投影到特征图得特征矩阵

3、特征矩阵通过ROI pool得7 *7 特征图，进行展平全连接得预测结果

可将Faster-rcnn看成RPN+fast-RCNN

RPN(region proposal network)

在特征图使用滑动窗口，分别输出目标概率2 k,k是k个anchor，分别为背景和目标的概率；边界框回归参数4k（x,y,w,h），256是zf网络channel，VGG是512深度；通过滑动窗口提取候选框，之前都是用ss算法

anchor大小

每个面积大小有3种尺度，每个中心点对应9个anchor

定义正负样本

1、正样本：1anchor与GT的IOU大于设定0.7，为正样本

​ 2，若anchor都没超过0.7，找最大IOU的anchor，认为它为正样本

2、负样本：anchor与GT的IOU小于0.3为负样本

3、除此之外的anchor丢弃

损失函数

训练方法

1、论文采用分布训练，先用ImageNet预训练网络参数，并开始单独训练RPN网络。

自己代码中直接PRN+fast-RCNN联合训练