深度之眼Pytorch框架训练营第四期——目标检测与Faster RCNN

目标检测与Faster RCNN

1、图像目标检测是什么?

目标检测的核心是：判断图像中目标的位置，这里涉及到两个对象，一个是目标，一个是位置，因此目标检测的两要素为：

• 分类：即对目标进行分类，得到分类向量$[p_0,\dots ,p_n]$，通常是一个$n+1$维的向量，背景为第0类
• 回归：确定回归边界框：$[x_1,y_1,x_2,y_2]$

2、模型是如何完成目标检测的?

模型要完成目标检测，必须完成两个方面的内容，首先是目标的位置在哪里，其次这个目标是属于什么类别，因此在目标检测中，模型需要把输入的一个三维张量通过复杂的运算，最终输出两个张量：

• 分类张量：形状为$[N,c+1]$
• 边界框张量：形状为$[N,4]$

这里涉及到一个非常重要的问题——目标个数（边界框数量）$N$如何确定？

• 传统方法：滑动窗策略。在一张图像中，利用一定大小的框逐像素进行滑动，遍历整张图片，这种方法的缺点非常明显，那就是
• 重复计算量大
• 窗口大小难确定

利用卷积可以减少重复计算，由于特征图一个像素对应原图一块区域，因此由于滑动产生的不同窗口就对应于特征图中不同的像素点，这样就可以避免重复计算

3、深度学习目标检测模型简介

从上图可以看出，目标检测的发展可以分为两个阶段，2014年之前为第一阶段，这一时期都是使用传统方法进行目标检测，而2014年$RCNN$问世后，标志着目标检测进入了深度学习阶段，$FastRCNN$和$FasterRCNN$都是与$RCNN$一脉相承的，这一派是属于 Two-stage ，而以$YOLO$为代表的网络属于 One-stage ， Two-stage 和 One-stage 的区别如下：

从上图可以看出 One-stage 和 Two-stage 的区别就在于是否有 proposal generation 这个区域，这个木块是区域推荐模块，可以生成推荐的区域，输出的是候选框

4、PyTorch中的Faster RCNN训练

（1）Faster RCNN 数据流

• Feature map
• Softmax
• Regressors
• NMSOUT
• ROILayer
• FC1与FC2
• c+1 Softmax
• Regressors

（2）Faster RCNN 代码结构

• torchvision.models.detection.fasterrcnn_resnet50_fpn() 返回 FasterRCNN实例
• class FasterRCNN(GeneralizedRCNN)
• class GeneralizedRCNN(nn.Module)
• forward():
  • features = self.backbone(images.tensors)
  • proposals, proposal_losses = self.rpn(images, features, targets)
  • detections, detector_losses = self.roi_heads(features, proposals, images.image_sizes, targets)

解释：通过torchvision.models.detection.fasterrcnn_resnet50_fpn()调用模型，返回的是FasterRCNN实例，而FasterRCNN是继承于GeneralizedRCNN，GeneralizedRCNN又是继承于nn.Module，里面最重要的forward函数中包含三个部分，一个是通过backlone得到特征图，然后利用rpn得到推荐区域以及利用roi_heads得到检测结果