目标检测算法R-cnn系列

目标检测：R-cnn、faster-r-cnn等

R-cnn：

• 候选区域：使用 选择性搜索(Selective Search) 等算法(合并像素，非常耗时)在输入图像中生成一组候选区域。
• 特征提取：候选区->特征向量。
• 区域分类：SVM判断是否有物体，并进行分类。
• 区域校准：对边界框(bounding box)进行校准。

有大量的重复计算，非常耗时。

fast-r-cnn ICCV 2015

解决了特征图重复计算的问题。

• 候选区域：使用 选择性搜索(Selective Search) 等算法(合并像素，非常耗时)在输入图像中生成一组候选区域。
• 特征提取：对整张图像进行特征提取。
• 候选区域特征：利用 RoIPooling 算法分别生成每个候选区域的特征。
• 候选区域分类与回归。

ROI Pooling:

ref
ROI Pooling解决的是候选区域大小不一致的问题，ROI Pooling之后，候选区域的大小一致，就可以进行并行的计算，加快速度。

faster-r-cnn

ref1 zhihu
ref2 bilibili

• 特征提取：使用一组基础的conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后续RPN层等。
• 生成锚框(anchors)。
  注：其实这个锚框是作者自己人为设计的9个框。
  每一个点都配备这9种anchors作为初始的检测框。
  
• 使用RPN将每个框映射到两个通道，一个用于二分类（目标/非目标），一个用于回归（调整锚框大小和位置）。然后就可以根据得分大小，经过回归生成候选区域。这里面的回归比较复杂，没看懂。大概的意思就是利用候选框和真实目标框训练一个回归器，回归器的输出是四维向量，分别表示锚框的水平偏移、垂直偏移、宽度调整和高度调整。
• ROI Pooling。
• 分类。