上回书详细的介绍了R-CNN的前世今生,在文章的最后同样抛出了R-CNN中的不足点:其一是检测的精度相对而言比较低,这主要是图像归一化时对图像过度拉伸造成的,其二是检测速度慢,这个是由于每张图像需要分割成2000多个特征区域,然后依次进入卷积网络造成的。
发现问题下一步就是要解决问题。
首先我们来说一下为什么要进行图像的归一化。
这样做的目的是因为R-CNN采用的是Alexnet网络,而需要特别注意的是Alexnet网络的输入图像大小是固定大小的。即227*227像素。但是呢,通过SS算法产生的候选区域的大小是随机的,也就是说,等待进入神经网络进行特征提取的候选区域大小是不一样的,有的大有的小,这样的话,我们就给他归一化大小呗,统一归一化成227*227的了。
某国的整形文化十分厉害,但是长相不同的人都整成“网红脸”后,必然不是太自然。即使再高超的整形医师,再精湛的“刀工”也是会留下痕迹的,更何况是简单的拉扯,将大的小的长的方的图像强行归一化成227*227呢?
那么可不可以通过网络结构的整改,使得任意大小的图像都可以输入到卷积神经网络之中呢?当然可以了!!!下面祭出大神何凯明!
如果你想在目标检测领域有所斩获,那么以后你会经常读到它的论文!