【转】R-CNN的介绍

原文地址：https://blog.csdn.net/u011718701/article/details/53747694

 

博主课题需要研究Faster RCNN，先后看了RCNN、Fast RCNN和Faster RCNN三篇paper，然而有点懵逼= =所以准备再捋一遍总结一下~

 

Fast R-CNN笔记：关于Faster R-CNN的一切——笔记2：Fast R-CNN

 

Faster R-CNN笔记：关于Faster R-CNN的一切——笔记3：Faster R-CNN

 

一、R-CNN【Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation.2014 CVPR】

 

RCNN是第一个证明CNN可以极大地提高PASCAL中物体检测性能的工作，之所以叫做Region CNN，是因为算法是将CNN应用在已经产生的region proposals上。

 

1.什么结构

 

整体流程：

一张image生成好多好多Region Poposals

↓

每个Region Proposal用训练好的CNN网络提取特征

↓

每个类别用该类训练好的SVM对每个Region Proposal评分

↓

根据评分对该类的region proposal进行Greedy non-maximum suppression筛选最终的region。

• 生成Region Proposals

         因为R-CNN是与region proposal方法无关的，所以本文选择使用Selective Search算法来产生每张图片的proposal，本文选择每张图片生成2000个proposal。

• Region特征提取

         CNN选取Alexnet的网络结构，去掉最后一层FC，使用倒数第二层FC的4096维输出作为特征向量。Alexnet要求输入图像是227*227大小，因此对每个形状和大小任意的region proposal需要把它变形成该指定大小（变形方法在该paper的附录A中有介绍）。每个变形后的region proposal通过CNN网络，提取出4096维的特征向量。

• SVM分类

         对每个region proposal的4096维特征向量，用每一类的SVM分类器对它进行评分（是该类的可能性有多大）。那么如果有N类物体，那么我们可以从一张图上得到一个2000*N的评分矩阵，矩阵的每一行是一个region proposal在N个类别的SVM分类器下的得分。

• Greedy non-maximum suppression

         对每一类（即评分矩阵的每一列），根据score对这些region进行排序，把score最大的bounding box（也就是region proposal啦~）加入队列作为已被选择项，然后计算其他候选bounding box与队列中已经被选择了的bounding box的IoU（intersection-over-union），剔除IoU大于阈值的候选bounding box，重复直到候选bounding box为空。这样就剩下了每一类符合要求的那些含有物体的bounding box了【不用再叫proposal啦因为已经确定啦】。

 

2.怎么训练

 

从上面的结构上来看，有两个需要训练的网络：CNN和SVM。

• CNN网络

         CNN网络的输入是大小已经归一化为227*227的region proposal。训练其实是两个阶段：预训练和Fine-tuning。

        

         预训练：其实就是使用Caffe中在ILSVRC2012数据集上已经训练好的Alexnet作为网络的初始状态。【该文章是自己实现了一遍Alexnet在ILSVRC2012上的训练过程，不过由于简化了训练过程与原Alexnet作者在ILSVRC上的性能差了2.2，我觉得直接用Caffe上训好的Alexnet就可以了~】

        

         Fine-tuning：把上面预训练好的Alexnet的最后的1000-way softmax层换成(N+1)-way【N是物体类别数目，+1是背景类】的全连接层，其他结构不变，然后在你的目标数据集上训练网络，这个时候训练网络的输入就是你的数据集上提取出的region proposals们了。训练的细节：（1）region proposal的标签怎么设置：与某个ground-thuth box的IoU大于等于0.5的为正，其他情况为负。（2）Mini-batch size：随机采样32个正样本和96个负样本，所以mini-batch大小是128（3）参数：学习速率设为0.001。

• Object category classifiers--SVM

         每一类都要训练一个SVM哒~

         对每一类，正负样本的规定是：该类的Ground-truth box是正样本，与Ground-truth box的IoU小于0.3【0.3是在validation集上确定的】的region proposal是负样本，其余的region proposal舍弃，不用作训练。

   

3.怎么测试

 

测试就简单啦~对于一张测试图像，先运行selective search生成2000个region proposal，每个region proposal用CNN提取特征，然后用莓类SVM进行分类，最后使用greedy non-maximum suppression进行筛选，得到最终的deteced object bouding box。

 

4.存在问题

 

• 训练是多阶段的，需要先fine-tune，再CNN提特征，再用SVM，再费极大值抑制。太麻烦，太不符合奥卡姆剃刀原则了吧~

• 训练费时费内存，因为要存下来每个region的特征好么~

• 太慢了，平均每张图要用47秒来完成检测。。。。。

 

--The End of R-CNN--