FastRCNN-学习记录

引入：本次学习内容基本来自于Ross Girshick编写的的《Fast R-CNN》，以及部分讲解视频，本学习记录仅为个人学习收获，部分内容存在纰漏烦请各位大佬批评指正。
（一）摘要：FastRCNN使用卷积神经网络执行目标检测任务，通过训练VGG16，最终的效果是RCN的九倍，并且经过PASCALVOV2012的验证，获得了更高的精准度。

（二）发表时间：2015

（三）关键词：目标检测，卷积神经网络，特征提取

（四）学习记录：

目标检测需要处理的两个问题分别是候选区域的处理，以及，因为候选区域只能提供粗糙的定位，必须细化才能获得精确的定位。论文中提出了一种单节段算法，基于卷积神经网络的目标检测器，它可以联合学习分类目标建议和空间位置。

以前的RCNN虽然表现的不错，但是还是存在一些问题的。比如，训练的花费很高，因为SVM和边界框回归需要对每个对象进行处理。检测速度很慢，因为提取的对象太多，从每个测试图像中的每个对象中提取特征也很花费时间。而且它对每个目标都执行一次卷积神经网络的前向传递，但是并不进行计算共享，也导致了它的速度很慢。

于是作者提出了FastRCNN，可以解决训练速度慢，检测慢的问题，并且提高了准确率。FastRCNN有以下几个优点。

• 检测质量相比于上一代更高。
• 训练是单节段的，使用多任务损失。。
• 训练可以更新所有网络层。
• 特征储存不需要磁盘空间。

结构整体图如下所示。

当图像输入的时候，首先使用卷积层和最大池化层对图像进行处理，生成conv特征图，然后对于一个proposal，使用ROI层提取固定长度的特征向量。每个特征向量都被输入到全连接层当中，最后经过两个输出层，一个输出针对K个目标类别（加上一个“背景”类别）的softmax概率估计，另一个输出每个目标类别的四个实值数字。

随后作者阐明了为什么SPPNet不能更新金字塔池化层以下的权重，是因为SPP层的反向传播非常低效，因为每个RoI可能有一个非常大的接受域，通常跨越整个输入图像。由于正向传递必须处理整个接受野，所以训练输入很大（通常是整个图像）。

而在FastRCNN中解决了这个问题，作者通过利用权重分享和SGD分层采样解决了这个问题。通过先从少量图像中采样，然后从每个图像中采样少量的RoIs，共享计算和内存可以极大地提高计算效率。与从多个不同图像中采样一个RoI的策略相比，这种训练方案更快速。