TensorFlow2目标检测算法Faster R-CNN解析

目录

一、Faster R-CNN 介绍

二、算法流程

三、网络结构

1、Conv layers

2、Region Proposal Networks

3、ROI Pooling

4、Classifer and Detector

四、损失函数

五、网络训练

---

一、Faster R-CNN 介绍

2015年，微软研究团队的任少卿、何凯明等人提出了Faster R-CNN，该方法提出了一种新的Region Proposal Networks取代了原来的Selective Search算法，几乎不消耗计算时间，使得生成推荐区域过程变得非常高效，解决了Fast R-CNN生成推荐区域耗时的问题。

Faster R-CNN算法将Region Proposal Networks与Fast R-CNN进一步合并为一个单个网络。当采用非常深的VGG-16模型作为骨干网络时，基于该方法的检测系统在GPU上的帧速率为5fps，基本达到实时检测的水平。同时在PASCAL VOC2007、2012和MS COCO数据集上，其检测精度也达到了最好的水平。

二、算法流程

如下图所示，Faster R-CNN算法流程主要有以下4个步骤：

1. Conv layers。首先将图像输入到CN