目标检测之：Faster-R-Cnn

        目标检测：即在一张图中找出目标所在的位置，然后告诉我们目标的种类和坐标。现在目标检测主要分为单阶段和双阶段。单阶段目检测如ssd、yolo等，双阶段的如faster-r-cnn、cascade--rcnn等。本文的faster-rcnn为双阶段目标检测的代表，一般来说双阶段的目标检测效果要强于单阶段的目标检测，但是速度上和单阶段的目标检测还是有差距的。所以需要根据使用场景进行选择。

        双阶段的目标检测，其中第一阶段为获取目标所在位置的候选框，即在生成的全部的anchors中选出认为是目标的框。第二阶段为在第一阶段获取到的候选框的基础上，进一步区分详细 然后获的种类以及位置精细化。

        下图为使用VGG16作为 backbone的faste-r-rcnn的网络结构图。

        使用 resnet50backbone的特整体提取层取resnet得layer3 ，即[3,4,6,3]的6，layer4以及avgpool作为 classifier。还有inception等backbone。

 

 

---

1、获取特征图、生成锚点框。绿色16*16框的上部分为特征提取网络，截止到VGG16的最后一个maxpool。特征图尺寸为原始图下采样16倍得到的，由于选择的anchor_base 比例为【0.5, 1, 2】, 大小为8,16,32，所以在一个点会生成九个锚点框如下图1所示。