目标检测之Faster-RCNN

Faster-RCNN简介

Faster-RCNN是一个非常有效的目标检测算法，虽然是一个比较早的论文， 但它至今仍是许多目标检测算法的基础。

Faster-RCNN作为一种two-stage的算法，与one-stage的算法相比，two-stage的算法更加复杂且速度较慢，但是检测精度会更高。

事实上也确实是这样，Faster-RCNN的检测效果非常不错，但是检测速度与训练速度有待提高。

1、算法整体框架

上图为Faster-RCNN整体框架，整体思路大致为：网络输入(图片）—>CNN提取公共特征层—>提取公共特征（Feature Map)—>利用Feature Map产生建议框（Proposal）—>将产生的建议框与Feature Map进行POI Pooling操作—>进行卷积操作，获得预测结果和目标位置

获得的公用特征层Feature Map，其有两个应用，一个是和ROIPooling结合使用、另一个是进行一次3x3的卷积后，进行一个9通道的1x1卷积，还有一个36通道的1x1卷积。

在Faster-RCNN中，num_priors也就是先验框的数量就是9，所以两个1x1卷积的结果实际上也就是：

9 x 4的卷积 用于预测 公用特征层上 每一个网格点上 每一个先验框的变化情况。（为什么说是变化情况呢，这是因为Faster-RCNN的预测结果需要结合先验框获得预测框，预测结果就是先验框的变化情况。）9 x 1的卷积 用于预测 公用特征层上 每一个网格点上 每一个预测框内部是否包含了物体。

到这里我们可以获得了一些有用的框，这些框会利用9 x 1的卷积判断是否存在物体。

到此位置还只是粗略的一个框的获取，也就是一个建议框。然后我们会在建议框里面继续找东西。

2、主干特征提取网络（backbone）

Faster-RCNN可以采用多种的主干特征提取网络，常用的有VGG，Resnet，Xception等等,本文介绍残差网络（Resnet）,残差网络介绍

2.1、残差网络（Resnet50）

ResNet50有两个基本的块，分别名为Conv Block和Identity Block，其中Conv Block输入和输出的维度是不一样的，所以不能连续串联，它的作用是改变网络的维度；Identity Block输入维度和输出维度相同，可以串联，用于加深网络的。
Conv Block的结构如下：

Identity Block的结构如下：

Resnet50结构如下：

ROIPooling原理

ROI pooling具体操作如下：

1、根据输入image（不同的image，共享特征层大小不一样），将ROI（建议框）映射到feature map对应位置；
2、将映射后的区域划分为相同大小的sections（sections数量与输出的维度相同）；
3、对每个sections进行max pooling操作；
这样我们就可以从不同大小的方框得到固定大小的相应 的feature maps。值得一提的是，输出的feature maps的大小不取决于ROI和卷积feature maps大小。ROI pooling 最大的好处就在于极大地提高了处理速度。
举例说明：
我们有一个88大小的feature map，一个ROI，以及输出大小为22.

1、输入的固定大小的feature map

2、region proposal 投影到feature map上。（左上角，右下角坐标）：（0，3），（7，8）

3、将其划分为（22）个sections（因为输出大小为22），我们可以得到：

对每个section做max pooling，可以得到：

说明：在此案例中region proposals 是57大小的，在pooling之后需要得到22的，所以在57的特征图划分成22的时候不是等分的，行是5/2，第一行得到2，剩下的那一行是3，列是7/2，第一列得到3，剩下那一列是4。
自我感觉写的不错的一个博客