Fast RCNN是对RCNN论文的改进。
RCNN简介:
(1)image input;
(2)利用selective search 算法在图像中从上到下提取2000个左右的Region Proposal;
(3)将每个Region Proposal缩放(warp)成227*227的大小并输入到CNN,将CNN的fc7层的输出作为特征;
(4)将每个Region Proposal提取的CNN特征输入到SVM进行分类;
(5)对于SVM分好类的Region Proposal做边框回归,用Bounding box回归值校正原来的建议窗口,生成预测窗口坐标.
缺陷:
(1) 训练分为多个阶段,步骤繁琐:微调网络+训练SVM+训练边框回归器;
(2) 训练耗时,占用磁盘空间大;5000张图像产生几百G的特征文件;
(3) 速度慢:使用GPU,VGG16模型处理一张图像需要47s;
(4) 测试速度慢:每个候选区域需要运行整个前向CNN计算;
(5) SVM和回归是事后操作,在SVM和回归过程中CNN特征没有被学习更新.
相比于RCNN, fast rcnn解决的问题在于:
(1)在最后一个卷积后加入了ROI pooling layer,这使输入的图片可以多尺度,且共享了计算。
(2)RCNN在训练过程时,直接对bounding-box进行回归训练,不能在卷积层进行更新。fast rcnn在卷积上就对位置进行了回归。
fast rcnn的贡献点:
(1)