【原创】Fast R-CNN详解

Fast R-CNN的改进

Fast R-CNN相较于R-CNN来说改进了以下三点：
1.基本实现了模型的end-to-end（除了还是需要用Selctive Search来生成2K个候选区域外）。
2.不在将每个候选区域放入CNN中计算特征，而是直接输入原图得到原图的全部特征（只进行一次CNN）。
3.将候选框的回归和分类问题同时进行输出，而不需要分别训练SVM和回归器。

Fast R-CNN的基本框架

Fast-RCNN依旧基于VGG16，首先输入的图片resize为224*224后放入CNN网络提取特征（5个卷积层和2个降采样层）

VGG16网络结构：

作者在第五个卷积层提取特征，并加上Selective Search产生的2K个ROI，通过ROI pooling层将这些ROI调整为固定维度，再通过两个output都是4096的全连接层后，将输出分为分类和回归两块，在分类模块中，输出通过一个output为21的全连接层（21表示20个类和一个背景）和一个softmax层，在回归模块中，输出通过一个output为48的全连接层（48表示各个类别region proposal的四个坐标）和SmoothL1Loss层。

问题

1.在RCNN中我们使用Selective Search在原图中获取ROI，并通过CNN提取特征，在Fast R-CNN中我们先将原图通过CNN提取特征，那么如何在feature map中获取ROI的对应区域?

2.如何将不同维度的ROI转换为相同维度？

解答1

$x^{\prime }=\lfloor x/S\rfloor +$