【目标检测】R-CNN 系列

JNingWei

已于 2023-01-26 16:30:04 修改

阅读量1.1k

点赞数 1

分类专栏：深度学习文章标签：深度学习人工智能计算机视觉目标检测 cnn

于 2017-12-02 17:43:29 首次发布

原文链接：https://www.zhihu.com/question/35887527/answer/73048322

版权

深度学习专栏收录该内容

79 篇文章 64 订阅

订阅专栏

RCNN系列之前

传统的detection主流方法：
DPM(Deformable parts models)，在VOC2007上能到43%的mAP，虽然DPM和CNN看起来差别很大，但依旧属于CNN。
CNN流行之后，Szegedy做过将detection问题作为回归问题的尝试（Deep Neural Networks for Object Detection），但是效果差强人意，在VOC2007上mAP只有30.5%。

RCNN

意义

把detection问题转化为CNN在分类问题。

实现

RCNN使用region proposal（具体用的是Selective Search Koen van de Sande: Segmentation as Selective Search for Object Recognition）来得到有可能得到是object的若干（大概10^3量级）图像局部区域，然后把这些区域分别输入到CNN中，得到区域的feature，再在feature上加上分类器，判断feature对应的区域是属于具体某类object还是背景。当然，RBG还用了区域对应的feature做了针对boundingbox的回归，用来修正预测的boundingbox的位置。

效果

RCNN在VOC2007上的mAP是58%左右。

弊端

RCNN存在着重复计算的问题（proposal的region有几千个，多数都是互相重叠，重叠部分会被多次重复提取feature）

Fast RCNN

这里写图片描述

意义

解决RCNN存在着重复计算的问题。

实现

跟RCNN最大区别就是Fast-RCNN将proposal的region映射到CNN的最后一层conv layer的feature map上，这样一张图片只需要提取一次feature，大大提高了速度，也由于流程的整合以及其他原因。

效果

在VOC2007上的mAP也提高到了68%。

弊端

Fast-RCNN的速度瓶颈在Region proposal上。

Faster RCNN

意义

解决Fast-RCNN在Region proposal上的速度瓶颈。

实现

RBG和Kaiming He一帮人将Region proposal也交给CNN来做，提出了Faster-RCNN。Fater-RCNN中的region proposal netwrok实质是一个Fast-RCNN，这个Fast-RCNN输入的region proposal的是固定的（把一张图片划分成n*n个区域，每个区域给出9个不同ratio和scale的proposal），输出的是对输入的固定proposal是属于背景还是前景的判断和对齐位置的修正（regression）。Region proposal network的输出再输入第二个Fast-RCNN做更精细的分类和Boundingbox的位置修正。