Faster R-CNN原理详解

本文跟着数据流动，从每一步分析Faster RCNN的原理。

看完可能要花上10分钟.

---------------------------------------------------------

原理：是技术实现的逻辑抽象。

1. 数据输入的resize

2. 卷积层的特征计算（卷积操作、padding~补0）

3. 再到RPN（anchor、分类、回归）

4. ROI-Pooling

5. 全连接层（flatten）

6. 最终回归、分类

7. Loss计算

8. 梯度传播

9. SGD

以上9点用能明白数据流动过程中的变化，就说明逻辑已经能抽象出来，每一个都能解释通。下面一点点来分析数据流动、变换。

 

1、对输入数据的处理

输入数据是一个batch，在代码上是一个Blob块。faser首先计算：设置最小边/短边=scale。然后计算：长边*scalle。如果小于max_size=1000，就采用这个scale，对图像进行等比缩放，把短边放到600，长边等比例缩小一点。如果大于max_size=1000，则重新计算scale=max_size/长边。同样进行等比缩放。这是对每一个图像的处理。最后batch个图像组成blob块，作为网络的输入。对于Blob，不够补0（黑边）

以上。

 

2、卷积层计算

【卷积核 】blob大小每一个Batch可能是不一样的。因为图像resize后的大小不一样。所以feature大小不一样，神经元个数也不一样，连接总数也不一样。但是，因为cnn是权重共享的，使得他可以接受任意尺寸的输入，每一个feature不管大小怎么变，都是由一个固定大小的神经元模板计算得到，这个模板就是卷积核。不管是40*40还是20*20的feature，每一个神经元的连接都是同一个卷积核的参数。这说明2点：卷积层可以接受不同大小的输入以处理而不报错；卷积层的权重，是卷积核里的参数。问题：梯度到这里怎么更新的？

 

ceil (H  = (  长 - 卷积核大小+1) / 步长)

ceil( W = (  宽 -卷积核大小+1) / 步长 )

 

【特征图计算】25*25的计算和25*27的计算方式一样，都是按单边算，然后相乘。当输入不能够被卷积核与步长完美的走一遍，就会有padding问题：假设走到了边上，但只有一列数据，卷积核是两列的，那么就会无法计算，如果不用padding，就停止，不往下计算了，如果用Padding就补0，使得剩下的部分被计算，feature则会大一点。加入了padding之后，feature map大小计算公式修正如下：

 

ceil H=(长+2*pad-卷积核大小)/步长

ceil W=(宽+2*pad-卷积核大小)/步长

 

<