Object Detection (RCNN,The Way to Endtoend)

本文主要简单介绍了RCNN如何一步步改进到支持端到端训练的Faster-RCNN。

一、Object Detection From RCNN to Faster RCNN

1.1 RCNN

1）几个重要的创新

• selection search提取候选区域
• 利用cnn 提取重要的特征（需要将特征保存到硬盘中，用于svm的训练）
• 利用svm对不同的候选框进行分类
• 利用回归来获取更加准确的位置

2）存在的不足

• 训练需要分成多个阶段完成
• 训练和存储代价大
• 检测速度缓慢

1.2 SPP-Net

1) 几个重要的贡献

• rcnn速度缓慢的原因是它需要分别对每个proposal提取特征，而没有共享计算
• 输入整张图片，然后利用spp层提取不同尺度大小的featuremap，最后将它们级联起来，最后输出一个特定维度的特征向量。
• spp-net使得rcnn在检测的时候提升了10到100倍。训练速度提升了3倍。

2) 存在的不足

• 训练仍然需要多个阶段。仍然需要提取特征训练svm； 最后仍然需要利用回归模型来获取更加精确的定位。
• 需要将特征保存到硬盘中。
• 网络训练的时候梯度没法穿过spp层。

1.3 Fast RCNN

1) 几个重要的贡献

• 利用ROIPooling层解决需要将同张图的每个候选区域分别输入网络提取特征的问题，提升了训练以及检测的速度。
  ROIpooling层可以说是单尺度的SPP层，它可以输出特定大小的特征向量，类似于根据情况调整Pooling层的kenal size。
• 有了ROIPooling层后可以直接输入原图，并利用CNN以及ROIpooling来提取每个ROI区域的特征，然后利用CNN对每个ROI区域进行分类以及定位
• 有了ROIPooling层后，训练只需要单个阶段就可以完成。最后使用了多任务的loss（softmax层以及bounding box 回归）。
• 可以调整网络的所有层。
• 不需要将特征保存到硬盘中

2) 存在的不足：

• 仍然需要利用selection search提取proposals

1.4 Faster RCNN

1) 几个重要的贡献

• 提出了利用PRN来提取候选区域，并让PRN与Fast Rcnn共享网络。使得目标检测成为真正的一种endtoend的方式，并将速度进一步提升到可以进行实时检测的目的。

2) 存在的不足：

• 到此两阶段的目标检测方法就基本定型了，更多是在此基础上如何做到更加准确，更加快

二、目标检测数据集

1） PASCAL VOC
2） COCO

1. mAP（mean average precision）

• precision：检测出相关的内容占检测出的内容的比例。
• average precision：举个例子，比如说当前文档相关的主题有5个，检测出了3个，其中3个相关的主题rank分别为2,3,4，则这个文档的average precision就是(1/2+2/3+3/4+0+0)/5 。
• mAP:则是每个文档的average precision的平均值。
  这里的文档对应于目标检测的每张图片，而相关主题则对应到图片中目标的个数

1. IoU（交并比）

• 两个区域的交集比上两个区域的并集

1. non maxinum supression

• 与得分最高的区域的IOU高于某个阈值时，将其排除掉

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 524813168@qq.com