R-CNN论文笔记

R-CNN 论文笔记

关于最新最全的目标检测论文，可以查看awesome-object-detection

《Rich feature hierarchies for accurate object detection and semantic segmentation》

CVPR 2014

• arxiv: http://arxiv.org/abs/1311.2524

• supp: http://people.eecs.berkeley.edu/~rbg/papers/r-cnn-cvpr-supp.pdf

• slides: http://www.image-net.org/challenges/LSVRC/2013/slides/r-cnn-ilsvrc2013-workshop.pdf

• slides: http://www.cs.berkeley.edu/~rbg/slides/rcnn-cvpr14-slides.pdf

• github(caffe): https://github.com/rbgirshick/rcnn

• notes: http://zhangliliang.com/2014/07/23/paper-note-rcnn/

• caffe-pr(“Make R-CNN the Caffe detection example”): https://github.com/BVLC/caffe/pull/482

推荐阅读

• （推荐阅读）R-CNN论文详解
• R-CNN详解
• R-CNN学习总结
• 基于R-CNN的物体检测

R-CNN：Regions + CNN

创新点

• 使用CNN（ConvNet）对 region proposals 计算 feature vectors。从经验驱动特征（SIFT、HOG）到数据驱动特征（CNN feature map），提高特征对样本的表示能力。

• 采用大样本下（ILSVRC）有监督预训练和小样本（PASCAL）微调（fine-tuning）的方法解决小样本难以训练甚至过拟合等问题。

注：ILSVRC其实就是众所周知的ImageNet的挑战赛，数据量极大；PASCAL数据集（包含目标检测和图像分割等），相对较小。

结果

在VOC2012中，将mAP（mean average percision）提高了30%以上

先看一下 PASCAL VOC历年（2007~2012）的检测冠军，可见DPM的统治力有多强大！（刚荣获CVPR 2018 Longuet-Higgins Prize）

但直到2013年 R-CNN的横空出世，一切都被打破了！
之后目标检测领域就进入 R-CNN系列的疯狂统治中……

R-CNN流程

图像来源: r-cnn-ilsvrc2013-workshop.pdf

题外话：R-CNN作为R-CNN系列的第一代算法，其实没有过多的使用“深度学习”思想，而是将“深度学习”和传统的“计算机视觉”的知识相结合。

比如pipeline中的第二步和第四步其实就属于传统的“计算机视觉”技术。使用selective search提取region proposals，使用SVM实现分类。

而R-CNN系列的第三代算法：Faster R-CNN是使用RPN来提取 region proposals，而使用softmax实现分类。Faster R-CNN才是纯正的深度学习算法。

图像来源: r-cnn-ilsvrc