cs231n学习笔记-CNN-目标检测 定位 分割

首先给大家分享一个巨牛巨牛的人工智能教程，是我无意中发现的。教程不仅零基础，通俗易懂，而且非常风趣幽默，还时不时有内涵段子，像看小说一样，哈哈～我正在学习中，觉得太牛了，所以分享给大家！点这里可以跳转到教程

               

1. 基本概念

    1）CNN：Convolutional Neural Networks 

    2）FC：Fully Connected

    3）IoU：Intersection over Union （IoU的值定义：Region Proposal与Ground Truth的窗口的交集比并集的比值，如果IoU低于0.5，那么相当于目标还是没有检测到）

    4）ICCV：International Conference on Computer Vision

    5）R-CNN：Region-based Convolutional Neural Networks

    6）AR：Average Recall

    7）mAP：mean Average Precision

    8）RPN：Region Proposal Networks

    9）FAIR：Facebook AI Research

    10）w.r.t.：with respect to

    11）Image Classification（what?）：图像分类

    12）Object Detection（what+where?）、Localization、Segmentation：对角检测、定位、分割

     

2. CNN基本知识

2.1 CNN的卷积流程

   卷积计算过程如下图所示：

我们刚才描述的即是卷积。可以把卷积想象为信号处理中的一种奇特乘法。也可将两个矩阵生成点积想象为两个函数。图像就是底层函数，而过滤器就是在其上“卷过”的函数。

图像的主要问题在于其高维度，原因是对高维度的处理时间和运算能力成本很高。卷积网络就是为了通过各种方式降低图像的维度而设计的。过滤器步幅即是减少维度的一种方法，另一种方法是降采样。

2.2 Activations maps的个数与Filter的个数一致

2.3 输入层与Filter、Padding、Stride、参数和输出层的关系

1） 参数个数由Filter定义及Filter个数决定，其公式为：

      The number of parameters = (FxFxD + 1) * K

2）一个Activation Map共享一个Filter及其权重和偏差

3）Activation Map个数与Filter个数相同

2.4 Pooling(池化/降采样)过程

    1)  Pooling在每个Activation Map上单独做，在Pooling之后，Activation Map数量不变

   Pooling层一般用于降维，将一个kxk的区域内取平均或取最大值，作为这一个小区域内的特征，传递到下一层。传统的Pooling层是不重叠的，使Pooling层重叠可以降低错误率，而且对防止过拟合有一定的效果。

     

    

    2）Pooling过程描述（Pooling过程不需要参数）

    

2.5 深度革命2015

     

     1）深度革命中遇到的问题：

          随着CNN网络的发展，尤其的VGG网络的提出，大家发现网络的层数是一个关键因素，貌似越深的网络效果越好。但是随着网络层数的增加，问题也随之而来。

         （1）第一个问题： vanishing/exploding gradients（即梯度消失或爆炸）：这就导致训练难以收敛。但是随着 normalized initialization and BN(Batch Normalization)的提出，解决了梯度消失或爆炸问题。
         （2）第二个问题：网络越深，训练误差和测试误差越大。在收敛问题解决后，又一个问题暴露出来：随着网络深度的增加，系统精度得到饱和之后，迅速的下滑。让人意外的是这个性能下降不是过拟合导致的。对一个合适深度的模型加入额外的层数导致训练误差变大。如下图所示，可通过Deep Residual Learning 框架来解决这种因为深度增加而导致准确性下降问题。
           

3. 空间定位与检测

    参考信息 《基于深度学习的目标检测研究进展》

3.1 计算机视觉任务

        

3.2 传统目标检测方法

     传统目标检测流程：

     1）区域选择（穷举策略：采用滑动窗口，且设置不同的大小，不同的长宽比对图像进行遍历，时间复杂度高）

     2）特征提取（SIFT、HOG等；形态多样性、光照变化多样性、背景多样性使得特征鲁棒性差）

     3）分类器（主要有SVM、Adaboost等）

    传统目标检测的主要问题：

     1）基于滑动窗口的区域选择策略没有针对性，时间复杂度高，窗口冗余

     2）手工设计的特征对于多样性的变化没有很好的鲁棒性

3.3 基于侯选区域(Region Proposal)的深度学习目标检测法

3.3.1 R-CNN (CVPR2014, TPAMI2015)

    1）Region Proposal：可以解决滑动窗口的问题

         候选区域（Region Proposal）：是预先找出图中目标可能出现的位置。它利用了图像中的纹理、边缘、颜色等信息，可以保证在选取较少窗口(几千甚至几百）的情况下保持较高的召回率（Recall）。

         常用的Region Proposal有(详见"What makes for effective detection proposals?")：

           - Selective Search

           - Edge Boxes 

    2）R-CNN：可以解决特征鲁棒性的问题

   

      参考信息

     (1) 输入测试图像
     (2) 利用selective search算法在图像中从下到上提取2000个左右的Region Proposal
     (3) 将每个Region Proposal缩放（warp）成2