Fast R-CNN

论文原文

Fast R-CNN相当于是在RCNN跟SPPNet的基础的又进行了改进，速度精度增加。

引用流程图

首先它延续了SPPNet的金字塔最大值池化层，置于网络最后一个卷积层，相当于简化版的SPP，因为只有一层金字塔，（AlexNet即pool5， 6 * 6），目的是保证输入Rol（建议框）h * w 后，经过 [h/H, w/W] 最大值池化， 输出统一大小H * W，对应之后的全连接层配置；

其次，针对RCNN对SS算法提取的2k个候选框都要丢进CNN里算，耗时间又麻烦， Fast rcnn跟SPPNet一样，直接将图片先丢进去，算出来整张图的feature map，然后通过映射关系，得到Rol建议框对应的feature map，再输入Rol pooling layer；

最后， 针对RCNN与SPPNet多阶段的任务，又要训练SVM，完了还要训练回归器，麻烦的不行，太耗时间，Fast cnn将这俩合在一块做，从 Rol pooling layer 出来以后，经过原来的两个全连接层，开始分叉，一个是 fc + softmax 输出，用于类别判断， 另一个是 fc +bbox回归， 用于精修物体框的位置。 同时，采用SVD对Fast R-CNN网络末尾并行的全连接层进行分解，减少计算复杂度，加快检测速度（这块没咋看，回头细看）。

还有一点， 是在训练的样本数据方面（引用）：
在SPP-NET跟RCNN中，微调采用RoI-centric sampling，从所有图片的所有RoI中均匀取样，由于BP需要计算每一个RoI感受野的卷积层，通常会覆盖整个图像，这样就会导致速度太慢，只能微调后面的全连接层，无法同时微调前面的卷积层。

而Fast R-CNN采用image-centric sampling，每个mini-batch由N个图片（N=2）中的R个Proposal（R=128）组成，同一图像的RoI共享计算和内存，这种方式比从128张不同图片中提取1个Proposal的方式快64倍，可以同时微调卷积层和全连接层，注意，实验发现太浅层的卷积层不需要微调，可以减少训练时间，而且mAP基本没有差别。

流程图（引用）：

参考：
https://blog.csdn.net/qq_14839543/article/details/54425051#commentBox 译文
https://blog.csdn.net/hust_lmj/article/details/78974348 系列总结
https://www.cnblogs.com/CodingML-1122/p/9043124.html 写的挺好
https://blog.csdn.net/shenxiaolu1984/article/details/51036677
https://blog.csdn.net/xg123321123/article/details/53067518
https://blog.csdn.net/u014380165/article/details/72851319