【论文笔记】【Faster Rcnn 优化】《Light-Head R-CNN: In Defense of Two-Stage Object Detector》

论文：https://arxiv.org/abs/1711.07264

代码： GitHub - zengarden/light_head_rcnn: Light-Head R-CNN

1.概述

我们一般将Object detection分为两大系列：

• 一类是two-stage detector：

  • 代表算法有Faster RCNN, Mask RCNN等

  • 算法分两阶段进行，第1阶段是生成proposals，第2阶段是对这些proposals进行分类、回归【精调】

• 另一类是one-stage detector：

  • 代表算法有YOLO系列, SSD等

  • 算法讲究一步到位，没有生成proposals这一过程

        一般来说，two-stage系列的检测算法拥有更高的检测精度高，而singel-stage系列的算法则具备更快的检测速度。在实际工业应用【落地】中，算法的速度是我们一种重要的考虑因素，同时随着YOLO系列的算法逐步优化其精度也得到了改善，基本能够满足实际的需求，因此在实际应用中更多的可能还是one-stage系列的算法为主。

        作者将论文取名为《守护二阶段物体检测器的尊严》，通过构造轻量级头部R-CNN网络，探讨了R-CNN如何在物体检测中平衡精确度和速度；

• 作者用Resnet-101作为base model，拿到了COCO-2017的冠军。

• 作者用轻量级的Xception作为base model，达到了30.7 mmAP，并且速度达到102FPS，从speed到accuracy都全面击败现有的single-stage的算法

  

2.为什么two-stage算法那么慢

作者认为导致two-stage慢的主要原因 ： Heavy Head；论文中作者对于"Head"的定义如下：

“Head” in our paper refers to the structure attached to our backbone base network. More specifically, there will be two components: R-CNN subnet and ROI warping

也就是说Head主要包含两部分：

• ROI warping：通过ROI Pooling/PSRoI Pooling等方式为每一个ROI生成大小固定的特征图

• RCNN subnet：基于ROI的特征图进一步实现recognition过程,

        two-satge算法由于头部的计算量很大，导致即使是轻量级的back