论文阅读笔记 之 R-CNN

1、前文

R-CNN是2014年的老文章了，无论作为CNN应用于目标检测中的首篇文章，或是作为Fast R-CNN等等后续文章的基础，都有读的必要性，因此这里对R-CNN的主要流程进行了分析与总结，没有过于深入地分析其特点与细节问题。如有错误之处，还请指正

2、文章解决的问题

① 如何将CNN应用在目标检测里（模型设计问题）
② 训练样本数不足时，如何提升检测性能（模型训练问题）

3、解决方法

3.1 问题①

提取多个建议框–>AlexNet提取出特征向量–>SVM对特征向量进行分类

3.1.1 region proposals

对于一张输入图片来说生成多个建议框 region proposals，文中使用selective search生成2000个。
这一部分为独立部分，使用方法可以有多种，例如：

• objectness
• selective search
• category-independen object proposals
• constrained parametric min-cuts(CPMC)
• multi-scale combinatorial grouping
• Ciresan

一篇博客下的一位大佬的补充（正确性有待商议）：

3.1.2 特征提取

采用Alexnet，网络的输入图像大小固定为：227×227，（因为使用了全连接层，所以输入大小必须固定）
因此需要对所有生成的建议框进行变形缩放扩充到227×227大小

网络结构：
卷积层×5 + 全连接层×2
AlexNet结构示意图：（图片来源：https://zhuanlan.zhihu.com/p/47391705）

3.1.3 分类检测

对于每一类都训练一个SVM分类器，即有N个SVM分类器
然后分别使用各类的分类器对每个特征向量进行分类打分（每个特征向量对应N个分数，每一类对应2000个分数（预测框））
对于每一类的打分结果使用非极大值抑制NMS去除掉分数较低的建议框。

3.2 问题②

使用迁移学习
首先在ILSVRC2012数据集上进行预训练，然后在目标数据集上利用随机梯度下降法继续训练网络参数。
文章中将所有与Ground Truth的IOU ≥0.5 的region proposals 视为有效的建议框，同时设定SGD的学习率为0.001

4、总体训练流程

5、测试流程

6、缺点

①使用SS提取建议区域region proposals
每张图片提取2000+，过于耗费时间

②对每个region proposal分别进行特征提取
耗费时间，计算重复

③输入尺寸固定
泛化能力差

④多阶段训练
需要分别训练网络、分类器SVM、回归模块
导致存储特征需要占用大量的磁盘空间

7、参考文献

论文地址：https://arxiv.org/abs/1311.2524
https://blog.csdn.net/briblue/article/details/82012575
https://blog.csdn.net/qq_30091945/article/details/98463403