计算机视觉之目标检测入门2

目标检测算法

• R-CNN
• fast R-CNN
• faster R-CNN
  三个模型由Ross B. Girshick完成，毕业于加州大学伯克利分校。

R-CNN（regions with CNN features）

R-CNN由RGB与2014年提出的目标检测算法，将CNN用于目标检测的里程碑，借助于CNN特征提取和分类性能，通过RegionProposal（基于区域）方法实现目标检测。
1. 基于区域的方法selective search
step1:计算区域集中每个相邻区域的相似度S={s1, s2…}
while S非空：
step2:找出相似度最高的两个区域，将其合并为新集Rt，添加进R
step3:从S中移除所有与step2中有关的子集
step4:重新计算新集Rt与所有子集的相似度

相似度主要看颜色、纹理、尺寸、交叠四个方面。

2. 算法框架

算法实现流程：

1）选择一个分类模型

2）去掉最后的全连接层，根据数据集类别改为（N+1），对该模型进行微调

3）对selective search选出的候选区域进行特征提取，resize成同样大小，将最后一层池化层输出（候选框中提取的特征）保存到硬盘里

4）训练阶段
使用提取的特征训练SVM分类器来识别物体类别
使用提取的特征训练回归器（dx,dy,dw,dh）
dx表示水平平移，dy表示垂直平移，dw表示宽度缩放，dh表示高度缩放
测试阶段：使用回归器调整候选框位置

SPP-Net（Spatial Pyramid Pooling Net）

SPP-Net的作者为何凯明，R-CNN的最大瓶颈是在所有候选区域内都要进行一次CNN，速度很慢，SPP-Net只需将原图进行一次卷积，就可以得到每个候选区域的特征。
R-CNN

SPP-Net

特征映射

金字塔池化层

Fast-RCNN

RBG借鉴了SPP-Net的思想，在2015年提出Fast-RCNN。
整体框架

ROI Pooling（Region of Interest Pooling）
roi_pooling是SPP-Net中金字塔池化层的简单形式，只使用一种固定大小的max-pooling，将特征图中大小不同的候选区域转为大小相同的数据。

Fast-RCNN将bbox-regression放进了神经网络内部，与分类形成一个多任务模型。

Faster-RCNN

Faster-RCNN为RGB与2015年提出，Faster-RCNN加入一个专门生成候选框的神经网络（Region Proposal Network）RPN，即为RPN+Fast-RCNN。
Faster-RCNN整体框架

RPN
整体框架

每个点对应9个anchor（候选框），候选框有两类输出：一类为分类（是否有目标），一类为回归（候选框的四个参数）。

RPN计算流程


Faster-RCNN代价函数Loss
RPN层的Loss

包含两部分：目标检测部分loss+回归检测的loss
目标检测loss：交叉熵损失函数

回归监测loss

输出层的loss
输出层分类的loss：交叉熵损失函数
输出层回归的loss：和RPN一样

Faster-RCNN的训练