目标检测算法RCNN论文解读

论文题目：Rich feature hierarchies for accurate object detection and semantic segmentation

论文地址：https://arxiv.org/abs/1311.2524

tensorflow rcnn代码地址：https://github.com/Liu-Yicheng/R-CNN

 

RCNN，即Region CNN。

目标检测，不仅要将图片中含有的物体判断出是什么类别，而且还要找到物体所在的位置。 

一般分为以下步骤：

1、提取可能存在物体的区域框

2、用CNN提取特征

3、对区域框的物体进行分类、框回归

 

一、对论文的解读

1、网络模型：AlexNet

 

2、目标检测过程

（1）用selective search方法，从输入图片中提取2000个类别独立的候选区域。（selective search 也就是将图像分割成很多小的区域，计算区域之间的相似度（颜色、纹理等等），进行融合，形成大一些的region，结合各尺度结果。）

（2）对每个区域使用CNN，得到一个固定长度的特征向量。

（3）对每个区域用SVM进行目标分类。

 

3、迁移学习、finetune

在ImageNet数据集上训练得到很多很好的物体通用的特征，将其放在PASCAL VOC数据集上训练识别某些物体类型的能力。

 

4、inputsize：227*227pixel，由CNN的网络输入大小决定，因此将不同尺度的候选框wrap到227*227。

 

5、NMS

NMS，non maximum suppression，即非极大值抑制。就是将检测出的候选框，按照置信度score进行排序，保留最高的那个候选框。用NMS可以去掉重复的候选框，可以大大提高计算速度，没有冗余计算，而且较为准确。

 

6、查全率（precison）和查准率（recall）

定义以下标记：

tp：正确的标记为正；预测为真，实际为真 

fp：错误的标记为正；预测为假，实际为假 

tn：正确的标记为负；预测为真，实际为假 

fn：错误的标记为负；预测为假，实际为真  

查准率：precision = tp / (tp+fp) ；宁愿漏掉，不可错杀；正确预测占所有预测的比例

查全率：recall = tp / (tp+fn) ；宁可错杀，不可漏掉；正确预测占所有正例的比例

它们是评价模型的不同标准。

 

7、评价指标mAP

mAP，mean Average precision，对所有类别的precison取平均。

IoU，Intersection over Union，即交并比，本文Iou>0.5，就标记为positive正样本。