英文原文链接: link.
前言:KaimingHe大神2015年ICCV上的经典paper《Fast R-CNN》
基本思想
为了解决R-CNN训练速度慢、训练所需空间大的问题,R-CNN的原作者Ross Girshick吸收了SPP-net的特点对R-CNN做出了改进,提出了Fast R-CNN。
端到端训练
1 输入整张图像+候选区域(Selective Search)
2对图像多次卷积 区域归一化:对于卷积
3特征层上的RoI区域进行RoI Pooling操作,得到固定维度的特征;
4分类,边界框位置
创新点及问题
1将最后一个卷积层的SSP Layer改为RoI Pooling Layer;网络对输入图像的尺寸不再有限制,同时RoI pooling解决了SPP无法进行权值更新的问题。如下图所示:
2多任务损失函数(Multi-task Loss),同时分类损失和位置回归损失。分类采用softmax代替SVM进行分类,共输出N(类别)+1(背景)类。softmax由于引入了类间竞争,所以分类效果优于SVM,SVM在R-CNN中用于二分类。回归损失输出的是(x,y,w,h)*N。
3 2000roi太多,SVD(奇异值分解)对全连接层进行变换来提高运算速度。一个大的矩阵可以近似分解为三个小矩阵的乘积。
Fast R-CNN仍然未能实现端到端(end-to-end)的目标检测,候选区域的获得不能同步进行。