R-CNN

【深度学习】R-CNN 论文解读及个人理解

【目标检测】RCNN算法详解

R-CNN论文翻译解读

总之，R-CNN取得成功的两个关键因素：
1：在候选区域上自下而上使用大型卷积神经网络(CNNs)，用以定位和分割物体。
2：当带标签的训练数据不足时，先针对辅助任务进行有监督预训练，再进行特定任务的调优，就可以产生明显的性能提升

简单来说，RCNN使用以下四步实现目标检测：
a. 在图像中确定约1000-2000个候选框
b. 对于每个候选框内图像块，使用深度网络提取特征
c. 对候选框中提取出的特征，使用分类器判别是否属于一个特定类
d. 对于属于某一特征的候选框，用回归器进一步调整其位置

 

经典的R-CNN存在以下几个问题：
训练分多步骤（先在分类数据集上预训练，再进行fine-tune训练，然后再针对每个类别都训练一个线性SVM分类器，最后再用regressors对bounding box进行回归，并且bounding box还需要通过selective search生成）
时间和空间开销大（在训练SVM和回归的时候需要用网络训练的特征作为输入，特征保存在磁盘上再读入的时间开销较大）
测试比较慢（每张图片的每个region proposal都要做卷积，重复操作太多）
　　在Fast RCNN之前提出过SPPnet来解决R-CNN中重复卷积问题，但SPPnet仍然存在与R-CNN类似的缺陷：
训练分多步骤（需要SVM分类器，额外的regressors）
空间开销大

 

 

 FAST-CNN

Fast R-CNN（理解）

目标检测算法Fast R-CNN简介

特征提取网络

 

改进的地方

• 卷积不再是重复对每一个region proposal，而是对于整张图像先提取了泛化特征，这样子减少了大量的计算量（注意到，R-CNN中对于每一个region proposal做卷积会有很多重复计算）
• ROIPooling的提出，巧妙的解决了尺度放缩的问题
• 将regressor放进网络一起训练，同时用softmax代替SVM分类器，更加简单高效

Fast R-CNN目标检测主要流程如下： (1). 输入一张待检测图像； (2). 提取候选区域：利用Selective Search算法在输入图像中提取出候选区域，并把这些候选区域按照空间位置关系映射到最后的卷积特征层； (3). 区域归一化：对于卷积特征层上的每个候选区域进行RoI Pooling操作，得到固定维度的特征； (4). 分类与回归：将提取到的特征输入全连接层，然后用Softmax进行分类，对候选区域的位置进行回归。 不足： region proposal的提取仍然采用selective search，整个检测流程时间大多消耗在这上面（生成region proposal大约2~3s，而特征提取+分类只需要0.32s），之后的Faster RCNN的改进之一便是此点。

 Faster-rcnn

faster-RCNN的关键点(区域推荐网络RPN)详解