【object detection】faster rcnn笔记

一、faster cnn框架流程

1.在特征图上使用3*3的卷积核（滑动窗口）与特征图进行卷积，那么这个3*3的区域卷积后可以获得一个256维的特征向量。因为这个3*3的域上，每一个特征图上得到一个1维向量，256个特性图即可得到256维特征向量。3*3滑窗中心点位置，对应预测输入图像3种尺度（128,256,512），3种长宽比（1:1,1:2,2:1）的regionproposal，这种映射的机制称为anchor，产生了k=9个anchor。

2.后边接入两个全连接层，即cls layer和reglayer分别用于分类和边框回归。clslayer包含2个元素，用于判别目标和非目标的估计概率。reglayer包含4个坐标元素（x,y,w,h），用于确定目标位置。cls：正样本，与真实区域重叠大于0.7，负样本，与真实区域重叠小于0.3。reg：返回区域位置

3.最后根据region proposal得分高低，选取前300个region proposal，作为Fast R-CNN的输入进行目标检测

二、faster cnn总结

1.优点：

RPN的核心思想是使用卷积神经网络直接产生region proposal，使用的方法本质上就是滑动窗口

2.分析：

（1）faster rcnn把region proposal也放在网络里完成（RPN），这样整个框架都可以在一个网络里运行。

faster rcnn主要认为selective search只能跑在cpu，不能跑在gpu上，所以提出了rpn来得到proposal。

一般selective search会产生2000个proposal，但rpn就几百个。

（2）4步训练算法，通过交替优化来学习共享的特征：

a.使用在ImageNet上预训练的模型初始化RPN网络参数，微调RPN网络；

b.使用(a)中RPN网络提取region proposal训练Fast R-CNN网络，也用ImageNet上预训练的模型初始化该网络参数；（现在看来两个网络相对独立）

c. 使用(b)的Fast R-CNN网络重新初始化RPN, 固定卷积层进行微调，微调RPN网络；

d.(4) 固定(b)中Fast R-CNN的卷积层，使用(c)中RPN提取的region proposal对Fast R-CNN网络进行微调