faster rcnn 相对与 fast rcnn 主要是将 selection search 变成了 rpn(region proposal network)网络来生成候选区域,这样就可以实现end to end training了。
本文主要介绍它的实现过程:
image -> vgg (conv_1-5) - > rpn (1,conv_1x1 score; 2, conv_3x3 boxes regression) -> fc6 -> fc7 -> (score ; boxes regression)
所以主要介绍 rpn的实现过程,其余过程和 fast rcnn 是一样的;
vgg conv_5后就是rpn net,有两个分支(two branch ),一个是产生每个位置的每个 anchor box 的score(只判断该anchor box是否包含物体bg/fg),另一个是产生相对应 anchor box 的相对位置偏移(具体计算见论文rcnn)。
rpn网络的训练过程:
原论文中讲了三种训练方法
(i) Alternating training.
交替训练: 首先训练RPN,再用其生成proposal训练Fast R_CNN。再将 Fast R-CNN网络的参数用作训练RPN网络的初始参数;
迭代该过程。
(ii) Approximate joint training.
联合近似训练:将RPN和Fast R-CNN放到一块训练,固定RPN的proposal,训练 Fast R-CNN 时再 pre-computed proposal;bp时
两个网络的loss是合并(相加)的。一个缺点是:不能忽略了RPN的 proposal boxes’ coordinates 的 responses;
所以是近似的。
(iii) Non-approximate joint training.
非近似联合训练:这种方法改进了(ii)的 proposal boxes’ coordinates 不参与BP的缺点,但这需要 Fast R-CNN 的
ROI pooling layar 可微,This is a nontrivial problem,可以利用“RoI warping”技术实现;具体在后面文章中有介绍。
training progress:
经过 net forward阶段,rpn 产生的anchors(anchor 种类 * scale 个数 * feature location 个数) 的score 和regression,去掉一些不符合要求的boxes, 再按score 排序,取 top N, , 然进行 nms(非最大化抑制)操作,去掉一些重叠率(overlap)的boxes,最后取 nms后的top N 与 ground truth 比较,classification score 和 boxes regression ,计算 loss, 该loss 只用于更新rpn 的参数;而fast rcnn 的loss 用于更新 除 rpn 外的其他参数;(各自的loss用于更新各自的参数)
注意: anchor 是一个一半正直,一半负值的矩阵,因为相对与anchor box central position 计算它与对应的 image position 的相加结果为 proposal region。stride=image/conv5 feature;
faster rcnn: 架构实现过程详细介绍
最新推荐文章于 2023-07-07 17:40:23 发布