文章目录
前言:Faster R-CNN的简介见 上一篇文章
一、RPN网络
1. RPN网络简介
RPN网络全称Region Proposal Network,顾名思义,这是一种生成候选区域的网络。该网络主要用于Faster R-CNN的候选区域生成部分。
在R-CNN和Fast R-CNN中,候选区域一般采用滑动窗口算法(Selective Search)生成,耗费大量的时间,而Faster R-CNN的一个重要改进就是使用RPN网络生成候选区域,而RPN是通过全卷积网络来实现,故而极大缩短了候选区生成时间。
Faster R-CNN可以看做是RPN + Fast R-CNN的组合。
下图是RPN网络架构图,共有如下几个步骤:
Step 1:输入图片经过backbone网络,生成特征图矩阵(Feature Map)。
Step 2:特征图矩阵经过3×3卷积核做特征的提取和转换,此时转换后的特征图shape为[H, W, D],取D以外的维度[H,W]来表示一个特征点,命名为anchor。由于原图经过了backbone和3×3的卷积的缩放转换处理,故此时的一个anchor对应的不是原图中的一个点,而是一个区域A。我们以A的中心点为原点,在原图上取大小长宽比不同且固定的k个矩形,命名为anchors。anchors样式如下图:
注意,特征图上的每个点[H,W]生成一个anchors,anchors可以理解成k个不同的框(框的属性是长宽,和四个点的坐标)。这个框的数据(四个坐标)都是对应于原图的。
Step 3:对Step 2中每一个D维度之外的点[H,W]做1×1卷积,首先需要经过一个1×1(2×k个unit)的卷积核,以预测是否包含待检测物体;同时需要经过另一个1×1(4×k个unit)的卷积核,以预测坐标位置。
Step 4:上一步的预测值与真实值比较计算,不断修正其准确度。
2. backbone网络简介
对于backbone的选择,现在常用的有VGG,ResNet,ResNet50 FPN,ReXNets等,目前效果较好的是ResNet50 FPN。
若选择VGG,作为backbone,输入shape为[3,800,992],得到输出shape为[1280,25,31],一张特征图;
若选择ResNet50 FPN,作为backbone,输入shape为[3,1600,1300],输出为shape为[256,200,248],[256,100,124],[256,50,62],[256,25,31],[256,13,16],5张特征图,不同大小的特征图适合检测不同大小的目标,[256,200,248]更容易检测到小目标,[256,13,16]更容易检测到大目标,故ResNet50是更好的选择,网络结构如下图。
二、Faster R-CNN网络架构
1. Faster R-CNN网络简介
Faster R-CNN的典型网络架构如下图:
Step 1:输入的图片经过backbone网络,生成候选区域图。
Step 2:将RPN网络生成的候选图(proposals)输入到ROI Pooling,其作用是将不同尺寸的特征图(由于检测框大小不同,所以截图的特征图大小也不同)转换成同一尺寸。
Step 3:ROI Pooling的输出[512,256,7,7],经过展平得到[512,12544],再经过两个全连接层得到[512,1024]。
Step 4: Step 3的输出[512,1024]作为输入,经过一个全连接层(FC21)Linear(1024,num_classes),num_classes表示要分类的类别。得到每一个类别的预测分数,与真实boxes的类别标签labels计算损失;同时该输入还要经过一个另全连接层(FC48)Linear(1024,num_classes×4),num_classes×4表示每一个分类类别对应的边界框回归参数,并与真实参数值计算损失。
至此,Faster R-CNN的基本原理大致学习完毕,还有大量的细节需要靠阅读源码了解。
2. 基于TensorFlow Hub实现Faster R-CNN
Step 0:关键包导入
import tensorflow as tf
import tensorflow_hub as jub
Step 1:用于下载图像和可视化的工具函数
def display_image(image):
fig = plt.figure(figsize=(20, 15))
plt.grid(False)
plt.imshow(image)
def download_and_resize_image(url, new_width=256, new_height=256,
display=False):
_, filename = tempfile.mkstemp(suffix=".jpg")
response