【目标检测】（三）Faster RCNN

对这一篇解读Faster RCNN的文章作补充 [link]https://zhuanlan.zhihu.com/p/31426458 并和RCNN， fast RCNN作一些简单对比。

1. Faster R-CNN与RCNN,fast RCNN最大的区别在于，提出RPN网络取代Selective Search算法使得检测任务可以由神经网络端到端地完成。fast RCNN先进行提取特征再结合候选框进行后续步骤，这使得RCNN中重复特征提取造成的计算量大的缺点得到了解决。而Faster-RCNN中，RPN与ROIpooling共享卷积计算的特性减小了引入RPN的计算量（即RPN不需再进行特征提取）。
2. 在RCNN与fast RCNN中，采用SS方法选择候选框。这带来的问题是：（1）候选框数量较大时，SS方法选出的候选框都要放入后续的ROIpooling中进行识别，也就是说，对于一张图片，可能有几K个候选框需要ROIpooling进行计算，；（2）候选框数量较小时，可能会错过很多目；（3）由于SS方法没有使用深度学习方法，而是使用传统的图像方法拟合候选框，所以得到的候选框的精度是一个问题，结果的IOU值可能会较低。而Faster RCNN中的RPN网络使用深度学习方法，用滑动窗口加多尺度的思路来产生候选框，得到的候选框精度较高，而且不需要传入大数量的候选框进入ROIpooling层进行计算就可以得到比较好的结果。