目录
引言
最近在研究Faster-RCNN算法，作为一名目标检测的新手，参考了许多优秀的博客，希望将他们的核心思想记录下来以便日后回忆学习，同时加深自己的理解，以下是我根据一些优秀的博客整理总结的，参考资料注了其来源。
RCNN的算法思想
1.对图像生成候选区域
使用Selective Search从一张图像生成2k~3k个候选区域(上图黄色的框)，大概思路为：
- 使用一种过分割手段，将图像分割成小区域
- 查看现有小区域，合并可能性最高的两个区域。重复直到整张图像合并成一个区域位置
- 输出所有曾经存在过的区域(包含R-CNN最终定位结果)，所谓候选区域
为尽可能不遗漏候选区域，上述操作在多个颜色空间中同时进行（RGB,HSV,Lab等）。在一个颜色空间中，使用四条合并规则的不同组合进行合并。在得到所有颜色空间与所有规则的全部结果，去除重复后，作为候选区域输出。
2.特征提取
先对候选区域进行预处理(这里因为选取的CNN是Alexnet，其原来网络的输入就是227*****227，将输入的候选区域图像统一变换为227*****227)，然后通过CNN对每个候选区域提取固定长度的特征向量。
在训练时，候选区域有 2000 个，所以很多会进行重叠。针对每个类，通过计算 IoU 指标，采取非极大性抑制，以最高分的区域为基础，剔除掉那些重叠位置的区域。
3.类别判断
对每一类目标，使用一个线性SVM二类分类器进行判别。输入为深度网络输出的候选区域的特征，输出是否属于此类。
4.位置精修
很多看似准确的检测结果，往往因为候选框不够准确，重叠面积很小。故需要一个位置精修步骤，对每一类目标，使用一个线性回归器对候选框位置进行精修。
Fast R-CNN的算法思想
1.RCNN存在的问题
训练和测试速度慢：
R-CNN中用CNN对每一个候选区域反复提取特征，而一张图片的2000个候选区域之间有大量重叠部分，这一设定造成特征提取操作浪费大量计算。
训练所需空间大：
R-CNN中目标分类与候选框的回归是独立的两个操作，并且需要大量特征作为训练样本。
2.Fast RCNN的特点
Fast RCNN的网络有2个输出层，一个softmax，一个bbox regressor，相对于RCNN中分类和回归分为2个部分，这里集成在同一网络，这样可以有效减少计算量。
作者提出了一个叫做ROI Pooling的网络层，这个网络层可以把不同大小的输入映射到一个固定尺度的特征向量。ROI Pooling层将每个候选区域均匀分成M×N块，对每块进行max pooling。将特征图上大小不一的候选区域转变为大小统一的数据，送入下一层。这样虽然输入的图片尺寸不同，得到的feature map尺寸也不同，但是可以加入这个神奇的ROI Pooling层，对每个region都提取一个固定维度的特征表示，就可再通过正常的softmax进行类型识别。这样在分类时就不用变换候选区域图像为相同大小。
在R-CNN中，先生成候选框，然后再通过CNN提取特征，之后再用SVM分类，最后再做回归得到具体位置（bbox regression）。而在Fast R-CNN中，作者巧妙的把最后的bbox regression也放进了神经网络内部，与区域分类合并成为了一个multi-task模型，这两个任务能够共享卷积特征，并且相互促进。如下图所示：
Faster RCNN算法思想
1.网络结构介绍
Conv layers 作为一种CNN网络目标检测方法，Faster RCNN首先使用一组基础的conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后续RPN层和全连接层。
Region Proposal Networks RPN网络用于生成region proposals。该层通过softmax判断anchors属于positive或者negative，再利用bounding box regression修正anchors获得精确的proposals。
Roi Pooling 该层收集输入的feature maps和proposals，综合这些信息后提取proposal feature maps，送入后续全连接层判定目标类别。
Classification 利用proposal feature maps计算proposals的类别，同时再次bounding box regression获得检测框最终的精确位置。
网络对于一副任意大小PxQ的图像，首先缩放至固定大小MxN，然后将MxN图像送入网络；而Conv
layers中包含了13个conv层+13个relu层+4个pooling层；RPN网络首先经过3x3卷积，再分别生成positive
anchors和对应bounding box regression偏移量，然后计算出proposals；而Roi Pooling层则利用proposals从feature maps中提取proposal feature送入后续全连接和softmax网络作classification（即分类proposal到底是什么object）。
参考资料
【1】：https://blog.csdn.net/shenxiaolu1984/article/details/51066975#fn:1，作者：shenxiaolu1984
【2】：https://blog.csdn.net/briblue/article/details/82012575
【3】：https://www.jianshu.com/p/fbbb21e1e390
【4】：https://my.oschina.net/u/876354/blog/1787921
【5】：https://zhuanlan.zhihu.com/p/31426458