目标检测学习-R-CNN

选择性搜索(Selective Search)

要讲R-CNN之前，还得先说下这个算法，这个就是用来代替上篇文章讲的滑动窗口法。因为滑动窗口法效率太低了，是种暴力穷举的方法，所以有人就想能不能有点针对性的去找一些框啊，所以就有了选择性搜索。

简单思路

思路就是，把可能存在物体的区域给找出来，因为存在物体的区域会有一些相似性或者连续性，而且在颜色，纹理上会有一定的特征相似吧，所以就根据这些把图片分成很多个小组，把相似的组合并，从小的组合并成大的组，在合并的过程中，就可以出现很多个合并区域，给每个区域做个矩形窗口啦，这些窗口就是比较有针对性的窗口，也就是让他给我们一些物体位置的建议，这种方法统称为Region Proposal候选区，后面会降到Fast R-CNN有个RPN网络，就是来替代选择性搜索，毕竟选择性搜索也有待优化，后面会讲，来看看这个过程的效果图，就是从最底层最分散的组开始合并到最顶层的，中间可以产生很多窗口，大小都有：

R-CNN

为什么有个R，就是基于Region，也就是他用了选择性搜索，据说实验找出了2000个窗口，然后每一个都用经典CNN网络做迁移学习之后的网络提取特征，然后用SVM分类，非极大抑制，再用回归来调整窗口。具体的细节当然可以看论文和代码比较好，我就不多讲了，来看两个结构图吧：


可以比较滑动窗口的结构，貌似很像，就是窗口选择不一样。

一些问题

1.每个窗口都进行性了一次卷积提取特征的操作，非常耗时。
2.送入卷积里的窗口图片需要固定大小，因此会对窗口进行缩放，可能对特征提取有影响。
3.提取候选框，卷积提取特征，每个类别要训练一个分类器，然后训练一个边框回归器，这三部分是分开的，没办法一起端到端训练。

好了，今天就到这里了，希望对学习理解有帮助，大神看见勿喷，仅为自己的学习理解，能力有限，请多包涵，图片来自网络，侵删。