Fast RCNN学习

针对上一篇博客中RCNN算法的一些弊端，加快了训练和测试的算法复杂度。

第一：由于经过selective search算法提取了2000左右的图片，而这2000个图片均需要进行特征提取操作，

均需要经过CNN网络提取结构特征，而显然这些图像有大量的重叠区域，特征提取操作有很多冗余操作。

第二：RCNN中，在提取完特征后，还需要经过SVM分类器与Bounding-box回归这两步，fast RCNN

在网络的最后设计了两个并行的全连接网络来替代单独的SVM与Bounding-box窗口回归。

第三：fast RCNN为了减少计算量，使用了一些小trick，用SVD分解保留大参数来减少计算量。

————————————————————————————————————————————————

fastRCNN之前有一篇论文Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition

论文地址：https://arxiv.org/pdf/1406.4729.pdf

论文算法为SPPnet，sppnet不同于RCNN最大的区别在于：

rcnn是在图像输入卷积之前就进行了selective search得到很多portals，然后这些portals分别输入到CNN中得到features

而sppnet则是在得到一个图片的CNN feature maps后再根据各portals在原图中的位置选择这些portal对应的feature。

sppnet另一个特点就是，不限制portal的大小，这里在得到不同大小的portal feature后，运用论文中提到的pyramid pooling

将这些不同大小的portal feature变成同一个长度。

注意：由于这里CNN网络的参数都是由如VGG、ImageNet等训练好的，所以在pyramid pooling及其之前的参数是不需要

梯度下降更新的，所以可以随便操作，不用担心在SGD过程中梯度没法计算的问题。

论文中非常关键的一点是：在由原图向feature map映射时，是直接根据像素点在图像中的相对关系映射的，

即原图中的一个portal的框，在feature map中对应的也是一个框。可以这么理解：对于一个训练好的CNN网络

（注意这里一定是训练好的，如果不训练好是没有这样的性质的），feature map相当于是一个区域滤波器一层一层的对

原图进行处理的（比如对原图进行高斯滤波处理），feature map相当于是原图的缩小版。

实际上，这里有一个博客，里面的图展示了各conv层得到的feature map与原图：

http://blog.csdn.net/mr_curry/article/details/53914502

不同于RCNN，fast rcnn在roi pooling后分成了两个并行的网络，其中一个为softmax分类网络，

另外一个为针对每一个类别的线性变换参数网络。在训练时，这两个网络的loss函数在乘以参数加起来

作为整个网络的loss函数。

————————————————————————————————————————————————

关于目标检测算法的一个知乎专栏：

https://zhuanlan.zhihu.com/xiaoleimlnote

————————————————————————————————————————————————

Fast RCNN的代码作者是用caffe框架写的，caffe框架在ubuntu下配置是个麻烦的过程。

笔记本没有N卡的，配置比较简单，参照一个博客进行安装：

http://www.linuxidc.com/Linux/2016-09/135025.htm

安装过程中的错误，可以参照这里解决：

https://blog.buer.website/2017/05/05/Caffe/

————————————————————————————————————————————————