【每日一网】Day12：G-CNN简单理解

G-CNN

算法背景

从2016年以前的文章的目标检测的方法大都沿袭了{region proposal→CNN→classify}的思路。但是region proposal是一个非常耗费时间的操作，在RPN网络之前大部分使用的使用的都是selective search或者之类的算法，从原始图片中提取将近2k张图片，这个方法非常耗时，后来Faster Rcnn剔除了RPN网络之后，用网络提取region proposal，大大缩短了提取时间。
而G-CNN的思路，则是消除region proposal，与yolo和ssd不同，G-CNN工作借鉴了迭代的想法，把边框检测等价于找到初始边框到最终目标的一个路径，并使用迭代的方法逐步接近最终的目标

算法流程

在训练阶段，首先在图像中获取叠加的多尺度的规则网格（实际网格相互叠加，示意图中显示平铺以视觉化），然后通过GT与每一个网格的IOU进行每一个网格GT的分配，并完成训练过程，使得网格在回归过程中渐渐接近GT。在检测阶段，对于每一个BOX针对每一类获得置信分数，用最可能类别的回归器来更新box的位置

网络结构

G-CNN的网络可以采用任何的网络结构，包括alexnet、googlenet、vggnet等，网络结构如图，经过卷积层提取图像的特征，通过ROI pooling得到bbox的特征，经过全链接层以后，使用softmax进行分类和边界框回归，得到的结果进行下一次迭代。每次移动一小步，逐渐逼近最优解。

损失函数

G-CNN是一个迭代的过程，所以每次迭代都存在一个loss，假设B表示整个所有的bbox的构成的集合。Bi是第i个bbox，上表s表示的第s次迭代。在训练的时候，首先把IOU阈值大于0.2的边框分配一个GT，表示改变看移动的目标，分配函数如下所示：

公式（1）中的
代表图片的GT，公式（1）的意义在于，在所有的IOU大于0.2的边框集合中，每一个边框选取一个最接近GT边框作为移动目标。但是直接从原始的的边框移动到目标边框是非线性的，为了解决这个问题，作者采用了分段的方法，每次只移动一小步，多次迭代，直到移动到最终的目标，公式（2）代表了每次移动的目标bbox：
公式（2）中
代表分配的目标边框。
G-CNN的目标损失函数如下：