R-FCN 基于区域的全卷积神经网络

最新推荐文章于 2025-09-29 08:30:00 发布

原创

最新推荐文章于 2025-09-29 08:30:00 发布 · 2.7k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#cnn #深度学习 #目标检测

R-FCN是一种针对Faster R-CNN的优化，旨在提高目标检测的速度。Faster R-CNN的耗时在于每个ROI区域都需要通过全连接层，而R-FCN提出位置敏感得分图的概念，将全连接层前移并结合ROI池化，减少了计算量。通过位置敏感ROI池化，保留空间信息的同时实现了加速。文章还介绍了如何通过位置敏感得分图进行目标定位和分类，从而实现高效的检测流程。

R-FCN，全称为“Region-based fully convolutional network”，该文章的发表时间可以参见下图：
在这里插入图片描述
R-FCN关注点并不是检测精度，而是检测速度。可以参见下面的图来理解这个问题：

由图可见，Faster RCNN对每一个Roi区域，分别经过一个subnetwork，这个subnetwork包含了一次global average pool操作，两次FC操作。因为每一个Roi的计算并没有共享，所以这种网络结构是比较耗时的。

为了解决这个问题，比较直接的想法是，把这两层FC操作放到Roi pooling前面，这样的话，每一个Roi区域只需要经过global average pool操作即可，节约了计算量。但是，这样做带来了另外一个问题，由于global average pool操作得到的特征缺失了很多的空间域信息，如果直接用来回归坐标会导致定位精度不准。为了保留更多的空间域位置信息，R-FCN中提出了“position-sensitive score map”的概念。

假设我们只有一个特征图用来检测右眼。那么我们可以使用它定位人脸吗？应该可以。因为右眼应该在人脸图像的左上角，所以我们可以利用这一点定位整个人脸。
在这里插入图片描述
如果我们还有其他用来检测左眼、鼻子或嘴巴的特征图，那么我们可以将检测结果结合起来，更好地定位人脸。