【转载】Faster R-CNN 理解与改进方法

 Faster R-CNN 从2015年底至今已经有接近两年了，但依旧还是Object Detection领域的主流框架之一，虽然推出了后续 R-FCN，Mask R-CNN 等改进框架，但基本结构变化不大。同时不乏有SSD，YOLO等骨骼清奇的新作，但精度上依然以Faster R-CNN为最好。对于一般的通用检测问题（例如行人检测，车辆检测，文字检测），只需在ImageNet pre-train model上进行若干次 fine-tune，就能得到非常好的效果。相比于刷pascal voc，Imagenet，coco 等benchmarks，大多数人感兴趣的可能是如何应用到自己的检测目标上。

        PS: 一作任少卿大神人挺帅的，回答问题还很耐心。

        Faster R-CNN 主要由三个部分组成：（1）基础特征提取网络（2）RPN (Region Proposal Network) （3）Fast-RCNN 。其中RPN和Fast-RCNN共享特征提取卷积层，思路上依旧延续提取proposal + 分类的思想。后人在此框架上，推出了一些更新，也主要是针对以上三点。

1. 更好的特征网络

    （1）ResNet，PVANet

      ResNet CVPR2016 oral 

      paper : https://arxiv.org/abs/1512.03385 code :https://github.com/KaimingHe/deep-residual-networks

      ResNet 依然是现在最好的基础网络，ResNeXT可能性能上比他好一点，但不是很主流，通过将Faster-RCNN中的VGG16替换成ResNet可以提高performance，不仅是detection，在segmentation，video analysis，recognition等其他领域，使用更深的ResNet都可以得到稳定的提升。

      PASCAL VOC  2007 上，通过将VGG-16替换成ResNet-101，mAP从73.2%提高到76.4%， PASACAL 2012 上从70.4%提高到73.8%

      值得注意的是，ResNet版本的Faster-RCNN连接方法和Baseline 版本不太一致，具体见任少卿在PAMI 2015中提到 https://arxiv.org/abs/1504.06066。以ResNet-101为例，参考下图方式，其中res5c,atrous + fc4096 + fc4096 + fcn+1 的方式是和baseline版本一致的方式，而res4b22+res5a+res5b+rec5c+fcn+1 是最终采取的方式。这种连接方式使得ResNet-faster-rcnn成为全卷积结构，大大减少模型大小，同时在性能上有一定提升。

                                                               

       在速度方面，ResNet比VGG16更慢，同时需要训练的次数也更多，个人实验结果vgg16 baseline版本训练一轮耗时1.5s，ResNet版本一轮耗时2.0s，同时内存占用量也远远大于VGG16，大概四五倍，没有12G的GPU就不要想用了。

      PVANet NIPS2016 workshop

      paper：https://arxiv.org/abs/1608.08021  code：https://github.com/sanghoon/pva-faster-rcnn

      PVANet是几个韩国人鼓捣出来的一个更深但快速的基础网络，在VOC2012上效果达到82.5%，接近Faster R-CNN  + ResNet-101 +++ 和 R-FCN的结果，但是速度上快非常多。实际验证结果，训练和测试速度都比baseline版本快一倍左右。不过，这个网络非常难训练，收敛困难，loss会比较大，选用的训练方法是plateau，在一些比较困难的任务上，大概得好几倍的迭代次数才能达到和VGG16性能相当程度。另外，82.5%这个性能也并非全部得益于PVANet，文章中把anchor数量增加到40多个，还做了一些小改动。个人认为，PVANet的速度广受认可，但性能顶多和VGG16相当，不如ResNet。

 （2） Hierarchy Feature

      代表作有HyperNet，同样的思想在SSD和FCN中也有用到，将多层次的卷积网络feature map接在一起

      HpyerNet 

      paper ： https://arxiv.org/pdf/1604.00600.pdf code： 

      以VGG-16为例，将conv1，conv3，conv5三层接在一起，形成一个Hyper Feature，以Hpyer Feature maps 代替原有的conv5_3，用于RPN和Fast-RCNN。该文章问题出发点针对小目标和定位精度，由于CNN的本身特点，随着层数加深，特征变得越来越抽象和语义，但分辨率却随之下降。Conv5_3 每一个像素点对应的stride = 16 pixel，如果能在conv3_3上做预测，一个像素点对应的stride = 4 pixel，相当于可以获得更好的精度，而conv5_3代表的语义信息对分类有帮助，结合下来，相当于一个定位精度和分类精度的折中。下图是以AlexNet为例，不同层接法在Pascal VOC 2007上的结果，可以看到，1+3+5会取得不错的效果。

2. 更精准更精细的RPN

     （1）FPN

     （2）more anchors

3. ROI分类方法

     （1）PS-ROI-POOLING

       R-FCN：

     （2）ROI-Align & multi-task benefits

       Mask R-CNN ：

     （3）multi-layer roi-pooling

       DeepText：

Paper ： https://arxiv.org/abs/1605.07314

       一篇将Faster RCNN应用在文字检测的文章，里面的contribution比较琐碎，但有一点小改进经验证过相当有效，就是roi分别在conv4，conv5上做roi-pooling，合并后再进行分类。这样基本不增加计算量，又能利用更高分辨率的conv4。

       

4. sample and post-process

    （1）Hard example mining 

      OHEM

      Paper：  Code：

    （2）GAN

      A-Fast-RCNN 

      Paper CVPR 2017 : https://arxiv.org/abs/1704.03414

      这篇文章比较新颖，蹭上了GAN的热点，利用GAN在线产生一些遮挡形变的positive sample。与Fast-RCNN比较，在VOC2007上，mAP增加了2.3%，VOC2012上增加了2.6%。

    （3）soft-NMS

      Soft-NMS （Improving Object Detection With One Line of Code）

      Paper： https://arxiv.org/pdf/1704.04503.pdf   code：https://github.com/bharatsingh430/soft-nms

     该篇文章主要focus在后处理NMS上，不得不承认，对于很多问题，后处理的方法会对结果产生几个点的影响。虽然我自己试验过，在我的任务上，Soft-NMS得到的结果和NMS完全一致，该后处理方式可能不具备推广性，但是好在尝试起来非常容易，代价也很小，只需要替换一个函数就可以，所以大家不妨可以试验一下。

# 欢迎使用Markdown编辑器

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

1. 全新的界面设计 ，将会带来全新的写作体验；
2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
4. 全新的 KaTeX数学公式 语法；
5. 增加了支持甘特图的mermaid语法¹ 功能；
6. 增加了 多屏幕编辑 Markdown文章功能；
7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
8. 增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

Mon 06 Mon 13 Mon 20 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：:

张三 李四 王五 你好！李四, 最近怎么样? 你最近怎么样，王五？ 我很好，谢谢! 我很好，谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五... 很好... 王五, 你怎么样? 张三 李四 王五

这将产生一个流程图。:

链接

长方形

圆

圆角长方形

菱形

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

Created with Raphaël 2.2.0 开始 我的操作 确认？ 结束 yes no

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件或者.html文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

---

1. mermaid语法说明 ↩︎

2. 注脚的解释 ↩︎