[論文筆記] R-CNN

目录

RCNN 的架構

相較於過去其他算法的優點

訓練過程

其他部分

參考文獻

RCNN 的架構

[論文筆記] R-CNN

RCNN 架構主要由以下幾個部分組成:

1. 抽取圖像中多個候選區域

  • 這個部份負責從圖像中,找出可能是物件的候選區域 (region propos)
  • RCNN中採用了 selective search 來計算候選區域

2. 抽取候選區域特徵

  • 前面抽取出來的候選區域圖像,會經過預處理成固定尺寸
  • 預處理的過程,會將候選區域向外擴張一點、剪裁 (cropping)、最後 warp 成 227x227
  • 接著被輸入 Alexnet 網絡中,抽取出 4096-D 的特徵

[論文筆記] R-CNN

3. 分類候選區域

  • 圖像特徵接著會被輸入多個 SVM 分類器中進行分類
  • 每個分類器只負責判斷一種類目

4. 後處理

  • 使用一個訓練得到的閾值,過濾類別分數過低的結果
  • 對不同類別進行 greedy NMS (物件重疊時,只取分數最大的框)

相較於過去其他算法的優點

  • CNN 特徵擷取器的參數,是所有類別共享的
  • CNN 輸出的特徵維度不高
  • 儘管如此,仍然無法實時預測
    • 預測 Region proposals + 抽取特徵 ~ 13s / image (GPU)
    • 100000 類 SVM分類器 ~ 10s

訓練過程

訓練的過程也可以分成三個階段:

1. 使用 ILSVRC 2012 數據集 + 分類任務(1000類),預訓練 CNN 模型

2. 使用 VOC 數據集 + 目標檢測任務(20 類),Fine tune CNN 模型

3. 訓練多個 SVM 模型,每個 SVM 模型只負責判斷一個類目

其他部分

  • 實驗中,發現 CNN + softmax 分類器效果並不如 SVM,所以才使用 SVM 進行分類

參考文獻

  1. Girshick, R. , et al. "Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation." IEEE Computer Society (2013).
  2. He, K. , et al. "Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition." IEEE Transactions on Pattern Analysis and Machine Intelligence 37.9(2015):1904-1916.
上一篇:CNN基础论文复现----LeNet5 (一)


下一篇:MongoDB源码解析:Full Text Search Index