一:RNN
RCNN使用以下四步实现目标检测:
1. 在图像中确定约1000-2000个候选框 (使用选择性搜索)
2. 每个候选框内图像块缩放至相同大小,并输入到CNN内进行特征提取
3. 对候选框中提取出的特征,使用分类器判别是否属于一个特定类
4. 对于属于某一特征的候选框,用回归器进一步调整其位置
一:合成规则:
一:颜色相近的(颜色直方图)
二:纹理相近的(梯度直方图)
三:合并后总面积小的(避免大面积区域陆续吞并小面积区域)
四:合并后,总面积在其BBOX占比小的(合并拼接面积大的区域、保证合并后的形状趋近方形)
二:提取特征
使用深度网络提取特征之前,首先把候选区域归一化成同一尺寸227×227。
此处有一些细节可做变化:外扩的尺寸大小,形变时是否保持原比例,对框外区域直接截取还是补灰。会轻微影响性能。
预训练采用Image Net 上的分类网络,根据需要微调全连接层
三:类别判断:
对每一类目标,使用一个线性SVM二类分类器进行判别。输入为深度网络输出的4096维特征,输出是否属于此类。
由于负样本很多,使用hard negative mining方法。
正样本:本类的真值标定框。
负样本:考察每一个候选框,如果和本类所有标定框的重叠都小于0.3,认定其为负样本
四:位置调整
目标检测问题的衡量标准是重