Faster RCNN学习笔记

Faster RCNN学习笔记

一、资源介绍

       Faster R-CNN是对Fast R-CNN的改进，paper可以参考点击打开链接。

       Fast R-CNN和R-CNN在前两篇博客中都已经有了详细的分析。

       这里简单回顾一下：

       R-CNN将图像提取ROI，将所有的ROI都放入CNN中，通过SVM得到每一个ROI的分类，第二部将每一个ROI做bounding-box的回归，得到最终的检测目标分类以及位置。

       Fast R-CNN在R-CNN的基础上进行了改进，把整个图片作为CNN的输入，ROI在CNN得到的conv feature map中寻找映射到的patch，同时把SVM分类换成了Softmax分类并且和bounding-box回归一起进行SGD。在速度上得到了很大的改进。

       卷积神经网络运算的时间已经大大缩短了，但是产生region proposal的时间却成为了一个瓶颈。

       Faster R-CNN对于region proposal的产生提出了一种新的算法，称为RPN（region proposal network），可以大大降低以前用selective search产生ROI所用的时间。在卷积层之后加入RPN，利用RPN产生的region proposal会继续输入到ROI pooling层中，之后的步骤和Fast R-CNN中的类似，产生分类以及bounding-box的回归。