【14】RCNN，Fast-RCNN,Faster-RCNN网络综合比较

【1】前言

目标识别（objec recognition）是指明一幅输入图像中包含那类目标。其输入为一幅图像，输出是该图像中的目标属于哪个类别（class probability）。而目标检测（object detection）除了要告诉输入图像中包含了哪类目前外，还要框出该目标的具体位置（bounding boxes）。rcnn系列网络用于目标检测，并且检测精度逐步增高。目标检测的传统过程如下所示。

（1）输入图像，采用提取框。（2）提取特征。（3）图像分类。（4）极大值抑制。

【1】R-CNN

1.1 相比传统算法的的创新点

（1）将传统的特征(如SIFT, HOG特征等)换成了深度卷积网络提取的特征。

（2）Selective Search搜寻可能存在物体的区域，传统方法是直接把图像分成许多子块（sub-regions / patches），然后把子块作为输入，送到目标识别的模型中。

1.2 实现流程

      （1）在数据集上训练CNN 。R-CNN论文中使用的CNN网络是AlexNet，数据集为ImageNet 。
      （2）在目标检测的数据集上，对训练好的CNN做微调。
      （3）用Selective Search搜索候选区域，统一使用微调后的CNN对这些区域提取特征，并将提取到的特征存储起来。
      （4）使用存储起来的特征，训练SVM分类器。

1.3 流程图

参考文献：目标检测之R-CNN

【2】Fast-R-CNN

2.1 创新点

（1）使用神经网络进行分类，而不是传统的支持向量机进行分类。

（2）使用ROIPolling

2.2 实现流程

（1）载入图像，selectsearch选取区域。

（2）卷积网络提取特征。

（3）ROIPolling保证不同大小的特征图具有相同的维度。

（4）全连接层进行分类和回归

2.3流程图

2.4 相关名词解释

ROIPolling

设卷积层输出的宽度为w，高度为h，通道为c。其中wh为变值，c为定值。

（1）把卷积层划分为4x4的网格，每个网格的宽是w/4、高是h/4、通道数为c。当不能整除时，需要取整。每个网格内的特征做最大值池化，得到4*4*c.

（2）再把网络划分成2x2的网格，用同样的方法提取特征，提取的特征的长度为4c。

（3）再把网络划分为1x1的网格，提取的特征的长度就是c。

最后，将得到的特征拼接起来，得到的特征是16c+4c+c = 21c维的特征。

框回归

参考文献：目标检测之 Fast R-CNN

【3】Faster-R-CNN

3.1 创新点

（1）用RPN网络(Region Proposal Network)取代了Selective Search，不仅速度得到大大提高而且还获得了更加精确的结果。

3.2 实现流程

（1）载入图像，RPN网络提取区域。

（2）卷积网络提取特征。

（3）ROIPolling保证不同大小的特征图具有相同的维度。

（4）全连接层进行分类和回归

3.3流程图

【4】参考文献

文献1：R-CNN，Fast R-CNN，Faster R-CNN原理及执行与训练的实例+实现自己的目标检测