RPN(Region Proposal Network)

RPN(Region Proposal Network)

学习RPN前最好先过一遍RCNN和Fast RCNN，本文的图来自原论文和bvBV1af4y1m7iL，有纰漏之处欢迎在评论区指出

RPN什么用？

RPN module tells the Fast R-CNN module where to look.

PRN takes an image of any size and predicts object bounds and object scores at each position.

RPN怎么生成region proposals？

ROI在原图上
在骨干网络输出的feature map上用一个小的n * n滑动窗口（filter，论文中n=3，ZF感受野：171，VGG感受野：228）滑动，

每个滑动窗口的输出特征会被降维成一维向量（ZF:256-d，VGG：512-d），

之后送进两个并联的FCN：box-regression layer（reg）和box-classfication layer（cls），filter大小为1*1。

接下来介绍anchors。

Anchors

在每个滑动窗口会同时预测多个region proposals，每个位置最多有k个anchor boxes（论文k=9），cls有2k个scores，reg有4k个coordinates。k个候选框是相对于k个参照框参数化的，参照框称为anchor（box）。

cls有2k个scores，reg有4k个coordinates（坐标）。

cls中每2个值为一组，对应一个anchor box，两个值一个是为背景的概率一个是为前景的概率。

reg中每4个值为一组，对应一个anchor box，4个值分别为中心坐标、box的宽和高。

anchor在滑窗的中心，anchor box的面积和高宽比有三种(见下图)，所以在每个滑动的位置有k=9个anchor boxes(见下图)。对于一个大小为W * H的feature map，共有W * H * K个anchor boxes(filter=3 * 3,s=1,padding=1)。

size大于感受野也可以准确预测物体在实验中得到过验证的，类似窥一斑而知全豹。

上图9个anchor box

非极大值抑制

1.对候选框得分进行排序，选取最高分，遍历其他框，和最高分框重叠面积大于阈值就删除

2.从没处理的框中选取最高分，repeat

最后剩的2000个候选框给fast rcnn

Loss Function

1.为每个anchor分配一个binary class label来判断是不是要检测的物体。

正样本和负样本的采集（训练数据采样）：

给两类anchor boxes分配正标签（正样本）：

​ 1.anchor box中和ground-truth box有最高的IoU。（情况比较少，但下面2的情况可能找不到一个正样本，1就后备使用）

​ 2.anchor box和任意一个ground-truth box的IoU超过0.7。（情况多）

负样本：和任意一个ground-truth box的IoU低于0.3。

0.3-0.7之间的anchor boxes丢弃

2.RPN损失函数如下：

i：mini-batch中一个anchor的index

pi：第i个anchor是前景的预测概率

pi*：ground-truth label，当anchor box是正样本为1，负样本为0

ti：向量，表示第i个anchor的predicted bounding-box的参数化坐标，针对原图

ti*：表示第i个正anchor对应的ground-truth box

Ncls：mini-batch size，256

Nreg：anchor 位置个数（2400，不是anchor box的个数，anchor box个数还要乘上k）

λ：balancing parameter（？），=10

上式赋值后可以粗略化简

分类损失（图来自bvBV1af4y1m7iL）：

回归损失：Lreg前乘上pi * 表示这个regression loss 只在正样本时使用（pi * =1）

对于边界框回归，4个参数化坐标转化关系示如下：

x、y、w、h分别代表predicted box（最终调整过的的box）的中心坐标、宽和高

xa、ya、wa、ha分别代表anchor box的中心坐标、宽高

x *、y *、w * 、h * 分别代表ground-truth box的中心坐标、宽高

平移量tx、ty、尺度因子tw、th都是直接通过回归器预测出来的predicted bounding-box，不是算的

获取完两个层的输出就可以算Loss反向传播了

边界框回归器见下图(用来回归修正predicted box)：

用途：

this can be thought of as bounding-box regression from an anchor box to a nearby ground-truth box.

训练