【目标检测】】RCNN基本思想和网络结构以及论文补充

RCNN

一、RCNN系列简介

R-CNN系列（R-CNN,fast-RCNN,faster-RCNN）是使用深度学习进行物体检测的鼻祖论文，其中fast-RCNN 以及faster-RCNN都是延续R-CNN的思路。

R-CNN新提出了CNN卷积特征提取方法和微调。

R-CNN全称region with CNN features，其实它的名字就是一个很好的解释。用CNN提取出Region Proposals中的featues，然后进行SVM分类与bbox的回归（定位置）。

【RCNN网络结构】

二、RCNN算法流程的4个步骤

重要思想：
（1）通过专门模板去生成候选框（RPN）,寻找前景以及调整边界框（基于锚框）
（2）基于之前生成的候选框进行进一步分类以及调整边界框（基于建议框）
具体步骤：
1.一张图像生成1k~2k个候选区域（使用Selective Search方法）
2.对每个候选区域，使用深度网络提取特征（CNN）
3.特征送入每一类的SVM分类器，判别是否属于该类（SVM）
4.使用回归器精细修正候选框位置
步骤详解：

三、RCNN存在的问题

1.测试速度慢
2.训练速度慢（过程复杂，cnn、svm、回归网络都要训练）
3.训练所需空间大

四、论文解析补充

1.R-CNN提出了两个问题

1.如何用CNN定位目标
2.标注数据太少，使用迁移学习的思想（微调）
关于迁移学习（微调）：什么是微调？
图像分类：Image：Net 目标检测：PASCAL VOC

2.重要结论

1.在选择图片的时候，会选择比区域大16个像素的图片，这样边缘信息也会利用上。在卷积的时候信息可能丢失。实验证明扩充16个像素 效果会更好
2.最后分类会多出来一类，这一类代表的是背景类。
3.CNN和SVM使用不同的正负样本划分方法。类别分类器使用0.3的阈值
4.可视化学习的特征：高层提取的特征高层每一个不同的通道，学习的就是不一样的东西。eg：1学的是人，2学的是点状
5.R-CNNBB（Bounding box regression）边界框回归
这是RCNN定准确定位的关键，定位正确的位置什么是R-CNNbb？
6.这里的△x，△y…都是通过训练SVM模型实现回归任务得到的。
上述公式预测的是△x，△w，而作者预测的是dx，dw，这是为什么？
1.因为△w是宽放大的比例，这里只可能为正数，但是通过svm模型预测出来的可能存在负数。通过先预测出来dw （也可能是正负），那么通过exp的函数一定是正数即可保证△w为正数。
2.如下图所示，当使用d计算的话，对于两张相同预测和真实之间的损失函数的值相同。