论文：R-FCN: Object Detection via Region-based Fully Convolutional Networks 阅读笔记

最新推荐文章于 2024-01-23 23:41:22 发布

code-life

最新推荐文章于 2024-01-23 23:41:22 发布

阅读量374

点赞数

分类专栏：深度学习物体检测文章标签：物体检测目标检测

本文链接：https://blog.csdn.net/m0_37263345/article/details/80714000

版权

深度学习同时被 2 个专栏收录

31 篇文章 1 订阅

订阅专栏

物体检测

16 篇文章 0 订阅

订阅专栏

一、简介

1、R-FCN可以看做是Faster RCNN的改进版，速度上提高了差不多3倍左右，mAP也有一点提升，主要的目的是进行了加速

2、当然这个算法还是属于候选窗+深度学习分类和回归系列的，也就是会包含rpn网络给出候选框建议。

3、

下面的这个表是共享参数的层数

这篇讲解的很棒

二、原理

1、

这篇论文是NIPS 2016的一篇论文，主要贡献在于解决了“分类网络的位置不敏感性（translation-invariance in image classification）”与“检测网络的位置敏感性（translation-variance in object detection）”之间的矛盾，在提升精度的同时利用“位置敏感得分图（position-sensitive score maps）”提升了检测速度。

一方面，当对一个目标进行分类任务时，我们希望学到模型中的位置不变性（location invariance）：无论这只猫出现在图中的哪个位置，我们都想将它分类成一只猫。另一方面，当进行目标检测任务时，我们希望学习到位置可变性（location variance）：如果这只猫在左上角，那么我们希望在图像左上角这个位置画一个框。所以，问题出现了，如果想在网络中 100% 共享卷积计算的话，我们应该如何在位置不变性（location invariance）和位置可变性（location variance）之间做出权衡呢？

2、提速

为什么R-FCN相比Faster RCNN会有明显的提速呢？以主网络为ResNet101为例，在Faster RCNN中，ROI Pooling层的输入是在conv4_x，在做完ROI Pooling后会继续接conv5_x，conv5_x包含9个卷积层，另外在conv5_x后还有几个全连接层，这些层的计算都直接作用在每个roi上，因此存在许多重复计算。如果主网络换成VGG也类似，只不过重复计算的层数会少一些，主要是一些全连接层。而在R-FCN中，所有能共享的层都在ROI Pooling之前做好了，因此在ROI Pooling后基本不会有太多的重复计算。为了要在ROI Pooling之前实现层共享，一方面将conv5_x的计算移到Pooling层之前，但这样依然还存在一些全连接层的重复计算，因此再引入position-sensitive score map和position-sensitive ROI Pooling，使得经过Pooling后简单地执行一些操作就能得到回归和分类结果，而不再像Faster RCNN一样用几个全连接层去得到结果。

3、position-sensitive score map

map群的通道数 channels= 当确定一个rol之后，相当于一个rol在每一个类中的每一个bin(rol的一小块)都对应一张map，也就是说每一个map对于一个rol来说，只是用来计算rol中的某一块属于某个类别的分数，也就是我们后面池化的时候，比如说针对人这个类，那我选择中对于人这个类的个map中的比如第1个map(这个map对应rol的左上角那个第一块)，那这个map的作用就是针对人这个类，计算rol的左上角的那块的分数，我们利用也只利用这个map的左上角那块，池化的时候就是在这一小块里的像素去求平均值，这样得到池化后的第一个值，紧接着我们选择针对人这个类，中的rol中的第二小块，对应的那个map的相同位置的那一小块像素求均值，这样得到第二个值，一样一直计算就会得到这个图可以看见不同位置的得颜色不一样（从不同的map计算得来的），这个不同位置的值就是前面map群中的某一个map的对应的位置像素的均值，（注意这里每一小块只是一个值，不同于前面的一小块是包含很多像素的），然后求出一个类的个值之后，再求其他的类的值，最后放在一起就是上面这个图。把一个类的个值加起来之后，就是这个rol在这个类上面的得分，然后会得到c+1个得分，再经过softmax之后算出来属于哪个类就行了。