目标检测——FasterRCNN

Faster RCNN理论合集
https://www.bilibili.com/video/BV1af4y1m7iL/?spm_id_from=333.337.search-card.all.click

一、R-CNN

论文地址：[1311.2524] Rich feature hierarchies for accurate object detection and semantic segmentation

1.算法流程

• 一张图像生成1k～2k个候选区域（使用Selective Search方法）

• 对每个候选区域，使用深度网络提取特征

• 特征送入每一类的SVM分类器，判别是否属于该类

• 使用回归器精细修正候选框位置
  

2.存在问题

• 测试速度慢（一张图像内候选框之间存在大量重叠）

• 训练速度慢

• 训练所需空间大

二、Fast R-CNN

相比R-CNN训练速度更快、推理速度更快，更加准确

1.算法流程

• 一张图像生成1k～2k个候选区域（使用Selective Search方法）

• 将图像输入网络得到相应的特征图，将SS算法生成的候选框投影到特征图上获得相应的特征矩阵

• 将每个特征矩阵通过ROI pooling层缩放到7*7大小的特征图，接着将特征图展平通过一系列全连接层得到预测结果（ROI Regin of Interst）