Faster R-CNN之RPN详解

最新推荐文章于 2024-09-16 10:45:33 发布

thisiszdy

最新推荐文章于 2024-09-16 10:45:33 发布

阅读量1.5k

点赞数

分类专栏：目标检测

本文链接：https://blog.csdn.net/thisiszdy/article/details/89026277

版权

目标检测专栏收录该内容

23 篇文章 3 订阅

订阅专栏

参考博客：
1、https://blog.csdn.net/e01528/article/details/83618169

一、整体结构

在这里插入图片描述

二、RPN详解

在这里插入图片描述
1、通过VGG16网络模型提取Feature Map：
CNN：13个conv层，13个relu层，4个pooling层。这里有一个非常容易被忽略但是又无比重要的信息，在Conv layers中：
所有的conv层都是：kernel_size=3 ， pad=1 ，stride=1
所有的pooling层都是：kernel_size=2 ， pad=0 ，stride=2
最终一个MxN大小的矩阵经过Conv layers固定变为(M/16)x(N/16)，本文中为38×63；

2、1×1全卷积层
首先是一个512×3×3的conv+relu；紧跟着一个18×1×1（cls），一个36×1×1(reg)的全连接功能层；

3、anchor_target_layer_>rpn_data
首先是cls；rpn_data层（anchor_target_layer类型的层）；
输入：

  bottom: 'rpn_cls_score'  #[1,2*k,H,W] 类似与fc层的输出
  bottom: 'gt_boxes'
  bottom: 'im_info'  #原图c h w，因为坐标回归的是原图坐标的xy偏移，需要用hw过滤不在图片内部的
  bottom: 'data'

输出

  K表示9个anchor，3*3，HW表示的是rpn第一层卷积的特征图的宽高。
  top: 'rpn_labels'   # [1,1,k*H,W] 生成rpn的标签，前景为1，背景为0，然后给softmaxLoss层
  top: 'rpn_bbox_targets'  #[1,4*K,H,W] smooth_l1_loss输入
  top: 'rpn_bbox_inside_weights'  #[1,4*K,H,W]smooth_l1_loss输入权重
  top: 'rpn_bbox_outside_weights'  #[1,4*K,H,W] smooth_l1_loss输入权重

将 20000 多个候选的 anchor 选出 256 个 anchor 进行分类和回归位置。选择过程如下：

对于每一个 ground truth bounding box (gt_bbox)，选择和它重叠度（IoU）最高的一个 anchor 作为正样本
对于剩下的 anchor，从中选择和任意一个gt_bbox重叠度超过 0.7 的 anchor，作为正样本，正样本的数目不超过 128 个
随机选择和gt_bbox重叠度小于 0.3 的 anchor 作为负样本。负样本和正样本的总数为 256。例如：正样本100负样本156

对于每个 anchor, gt_label 要么为 1（前景），要么为 0（背景），而 gt_loc 则是由 4 个位置参数 (tx,ty,tw,th) 组成，这样比直接回归座标更好。
在这里插入图片描述
3、二分类Softmaxloss
求二分类的loss的时候，Softmaxloss，输入是rpn_lables（自己生成的rpn标签）+rpn_cls_scole_reshape；

4. 回归损失 rpn_loss_bbox
输入rpn_data 生成的rpn的bbox相关信息，与fc层rpn_bbox_pred（预测的）一起作为输入，进行损失计算。
两个输入的维度都是[1,4*k,H,W]，不需要reshape操作。

5. softmax 二分类分类概率
输入[1,2,kH,W]：rpn_cls_scole_reshape(预测的)
输出[1,2,kH,W]：得到所有anchor的二分类的概率rpn_cls_prob。

6. prosal_layer_>2000个rpn_rois
首先需要softmax的结果，进行reshape[1,2,kH,W]_>[1,2k,H,W],这样与其他的输入是类似的。
输出： rpn_rois [1,5]

  bottom: 'rpn_cls_prob_reshape'  #[1,18,H,W]每个框经过softmax对应的概率
  bottom: 'rpn_bbox_pred'         #[1,36,H,W]预测的框运算loss，反向传播，越来越准
  bottom: 'im_info'
  top: 'rpn_rois'                 #[1,5]

对于每张图片，利用它的 feature map，计算 (H/16)× (W/16)×9（大概 20000）个 anchor 属于前景的概率，以及对应的位置参数【softmax二分类概率】
rpn_cls_prob_reshape始终连存储的是每个anchor 的偏移。
选取概率较大的 12000 个 anchor
利用回归的位置参数，修正这 12000 个 anchor 的位置，得到 rpn_rois
利用非极大值（(Non-maximum suppression, NMS）抑制，选出概率最大的 2000 个 rpn_rois

7、proposal_target_layer_> roi_data 128 个RoIs

  bottom: 'rpn_rois'[1,5]
  bottom: 'gt_boxes'[1,4]

  top: 'rois'[1,5,1,1]
  top: 'labels'[1,1,1,1]
  top: 'bbox_targets'  #[1,8,1,1]存储的是anchors和最高重叠的gt的（x*-xa）/wa,(y*-ya)/ha,log(w*/wa),log(h*/hg),*为gt。
  top: 'bbox_inside_weights'  #[1,8,1,1]被抽中的正类为1，其他为0；
  top: 'bbox_outside_weights  #[1,8,1,1]外部权重，目前负例的外部权重=正例的外部权重=np.ones((1, 4)) * 1.0 /

RPN 会产生大约 2000 个 RoIs，这 2000 个 RoIs 不是都拿去训练，而是利用Proposal Target Creator 选择 128 个 RoIs 用以训练。选择的规则如下：

rois 和 gt_bboxes 的 IoU 大于 0.5 的，选择一些（比如 32 个）
选择 RoIs 和 gt_bboxes 的 IoU 小于等于 0（或者 0.1）的选择一些（比如 128-32=96 个）作为负样本
为了便于训练，对选择出的 128 个 RoIs，还对他们的gt_roi_loc 进行标准化处理（减去均值除以标准差）

对于分类问题, 直接利用交叉熵损失. 而对于位置的回归损失, 一样采用 Smooth_L1_Loss, 只不过只对正样本计算损失. 而且是只对正样本中的这个类别 4 个参数计算损失。举例来说:

一个 RoI 在经过 FC 84 后会输出一个 84 维的 loc 向量. 如果这个 RoI 是负样本, 则这 84 维向量不参与计算 L1_Loss；如果这个 RoI 是正样本, 属于 label K, 那么它的第 K×4, K×4+1 ，K×4+2， K×4+3 这 4 个数参与计算损失，其余的不参与计算损失。