Faster-RCNN

关于对Faster-RCNN的个人理解

背景

在这之前已有加快版的Fast-RCNN，但是由于候选区域仍然是特别的多的（大约有2000个），这就会导致在后续的类别预测以及box修正这个地方计算量特别大，预测速度很慢，并且很难学习这么多个样本。因此，本文的目的还是想要去加速网络的预测速度。

思想

先回顾一下Fast-RCNN的算法流程，首先是将整幅图像作为网络的输入，随后将SS算法得到的2000个候选区域映射到特征图上，得到对应的特征向量，接着再预测这2000个候选区域的类别概率以及box的修正参数。从上述的表述中，我们可以感觉到Fast还是很慢的，因为需要一次处理2000个候选框。基于该问题，Faster提出了新的解决方案，决定利用专门的模块用于推理出我们希望的候选框，数量是十分少的，并且在预初的定位上是准确的，而不是像之的SS算法，一次性输出2000个候选区域，增加了计算法复杂度的同时，还增大了模型训练和预测的难度。

模型结构

以上便是算法的整个流程图，如图所示，首先将整张图像送入到CNN中提取信息，得到相应的特征图。假如得到的特征图尺寸为13 * 13 ，紧接着会先将其送入到RPN模块推算候选区域（与Fast得到候选区域的方式是不同的）。至于RPN具体的做法则是：思想则是将上述得到的特征图当成是YOLO系列中的grid一样，每一个grid预测9个anchor（anchor具有三个宽高比以及三个面积：宽高比=（1：2，1：1，2：1），面积=（$128^2$，$256^2$， 51 2 2 512^2