rcnn学习笔记(一)

                                              rcnn学习笔记(一)

     最近在学习多视角人脸检测的时候，该片paper一直用自己的实验结果和r-cnn去进行比较，显示自己算法的优越性，所以就返回去细细的读了r-cnn的文章，感觉科研界的大牛果然厉害，从r-cnn到fast-rcnn,再到faster-rcnn,都有自己的特点。

      rcnn就是先用selective search选择2000个proposals region，然后对于每一region，都在cnn上跑两次，第一次产生bounding-box，跑第二次产生了classification，这里的分类用的是SVM。rcnn的主要过程是分为两个阶段，每个阶段自己干自己的事情.点击进入详细分析

      fast-rcnn解决了rcnn中各个stage只做自己的事情，任务rcnn的确是太慢了，所以就搞了一个ROI层来解决这个问题。另外还改善了mini-batch的方法，把从原来的128张图片中提取128个不同region的方法改成为从2张图片提取128个region的方法，每个batch处理两张图片，每张图片提供64个region。并且引入了SPP来解决输入图片大小不一的问题。在速度和准确度上都有了很大的改善。点击进入详细

      但是faster-rcnn认为selective search太慢了，只能在cpu上面跑。就提出了RPN来得到proposal，这里产生的region的个数远远少于selective search产生的个数。RPN主要是在作用在最后一层的feature map上，而这里的feature map 上还连接着一个fast r-cnn。