Fast R-CNN 论文阅读

Fast R-CNN 论文阅读

0.简介

R-CNN算法很大程度上提高了detection的效果，本文在R-CNN的基础上进行改进，在训练预测速度上有较大提升的同时也带了精度的提升。具体的：

-借鉴并改进了SPPNet的共享卷积层计算思想，提出了ROI pooling，这样做可以在精修的时候对卷积的部分也进行参数的调整，也带来了最终结果的提升。
- 将SVM分类器换成softmax，在RCNN中也提到了这样做可以提升速度
- 将bounding box regression整合到网络
-不需要保存feature，节省存储空间（其实这是一个很重要的问题）

可以看出，如果提供了预训练的卷积参数与proposals，剩余的部分被作者整合到了一起，在精修时是一个端到端的训练（ROI pooling 可以bp）。

1. Fast-RCNN 框架

借图

可以看出，经过ROI Pooling 以及多任务，网络可以进行image wise的训练。

RoI pooling layer： roi_pool层将每个候选区域（CxHxW）均匀分成M×N块，对每块进行max pooling。将特征图上大小不一的候选区域转变为大小统一的数据，送入下一层。 具体实现就是设输出大小Cxhxw，固定pooling的kernel size设置成(H/h, W/w)，步长也是一样。
bp过程：

∂L∂xi=∑r∑jI(i=i∗(r,j))∂L∂yr,j∂L∂xi=∑r∑jI(i=i∗(r,j))∂L∂yr,j

最简单的理解就是对于ROI 之间的一个Max pooling bp的加和，可以想想SPPNet中每个ROI单独计算，那对应到整图就是这个加和，SPPNet 不需要对CNN进行精修，故而不会涉及到这个问题。这样做带来的问题是对于一个Batch，所有的ROI出自同一张图，但是作者指出这样不会导致结果下降。
Multi-task loss:对于分类问题会bb regression部分的的整体损失定义为：

L(p,u,tu,v)=Lcls(p,u)+λI(u⩾1)Lloc(tu,v)L(p,u,tu,v)=Lcls(p,u)+λI(u⩾1)Lloc(tu,v)

其中第一项为分类损失，采用log loss，第二项为归一化坐标损失，采用smoothL1 Loss，相比L2 loss，不需要精心的调节来防止梯度爆炸。这就构成了一个单步训练的多任务网络。
Truncated SVD for faster detection：利用SVD来减少全连接的计算，主要是因为每张图中选了很多的ROI，导致全连接部分计算耗时很大，作者采用SVD来平衡速度与精度。最终的计算量由 uvuv减少到了 t(v+u)t(v+u)。

实验结果

如下表所示：

速度对比：

文中最后得到一些结论，Multi-task训练可以提高分类结果，在FRCN中，softmax要好于SVM，鼓励类间竞争，RCNN中的结果有区别。
并不是proposals越多越好，越让整个网络趋近与端到端越好回头想想，现在只剩下proposal这一块没放进网络了，所以为了加速整合R-CNN各个步骤，更趋近端到端的训练可以提高结果，从而达到速度与效果的双赢。