Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文笔记
Detection with Region Proposal Networks论文笔记)
摘要
最新的目标检测网络是根据region proposal 算法来假定对象位置的。SPPnet 和Fast R-CNN 进一步减少了这些检测网络的运行时间,然而暴露出region proposal的计算是一个瓶颈, 在这项工作中,我们引入了一个区域提议网络(RPN),该区域提议网络与检测网络共享全图像卷积特征,从而实现几乎无开销的region proposal。 RPN是一个全卷积的网络,可以同时预测每个位置的对象边界和对象得分。 对RPN进行了端到端的训练,以生成高质量的region proposal,Fast R-CNN将其用于检测。 通过共享RPN和Fast R-CNN的卷积特征,我们将RPN和Fast R-CNN进一步合并为一个网络-使用最近流行的带有“注意力”机制的神经网络术语,RPN组件告诉统一网络在哪里查看。 对于非常深的VGG-16模型[3],我们的检测系统在GPU上的帧速率为5fps(包括所有步骤),同时在PASCAL VOC 2007、2012和2007上达到了最新的物体检测精度。 MS COCO数据集,每个图像仅包含300个建议。 在ILSVRC和COCO 2015竞赛中,Faster R-CNN和RPN是在多个赛道中获得第一名的作品的基础。 代码已公开发布。
1 前言
region proposal方法(例如[4])和基于区域的卷积神经网络(RCNN)[5]的成功推动了目标检测的最新进展。 尽管在最初[5]开发中基于区域的CNN(R-CNN)在计算代价上很昂贵,,但得益于通过proposals共享卷积,因此其成本已大大降低。 最近,Fast R-CNN [2]在不考虑region proposal花费的时间时,通过使用非常深的网络[3],实现了接近实时的速度。 现在,proposals是最先进的检测系统中的测试时间计算瓶颈。
region proposal的生成主要依赖于较简单的特征和推理方法。选择性搜索[4]是最流行的方法之一,它根据工程化的底层特征贪婪地合并超像素。 然而,与高效的检测网络相比[2],选择性搜索的速度要慢一个数量级,在CPU实施中每张图片2秒。 EdgeBoxes [6]当前提供建议质量和速度之间的最佳权衡,每张图像0.2秒。 尽管如此,region proposal这一步骤仍然消耗与检测网络一样多的运行时间。
或许有人注意到,Faster R-CNN充分利用了GPU的优势,而研究中使用的region proposal方法则是在CPU上实现的,因此这种运行时比较是不公平的。 加速proposals计算的一种明显方法是在GPU重新实现。 这可能是一种有效的工程解决方案,但是重新实现会忽略下游检测网络,因此会错过共享计算的重要机会。
在本文中,我们证明了算法的变化(使用深度卷积神经网络来计算proposals)会带来一种优雅而有效的解决方案,与检测网络的计算代价相比,proposals的计算几乎是免费的。 为此,我们介绍了新颖的区域提议网络(RPN),该区域提议网络与最新的目标检测网络共享卷积层[1],[2]。 通过在test-time时共享卷积,计算proposals的边际成本很小(例如,每张图片10毫秒)。
我们的观察是,基于区域的检测器(如Fast RCNN)使用的卷积特征图也可用于生成region proposals。 在这些卷积特征之上,我们通过添加一些其他卷积层来构造RPN,这些卷积层同时回归规则网格上每个位置的区域边界和客观性得分。 因此,RPN是一种全卷积网络(FCN)[7],可以专门针对生成检测建议的任务进行端到端训练。
RPN旨在以各种比例和纵横比有效预测region proposals。 与使用图像金字塔(图1,a)或滤波器金字塔(图1,b)的流行方法[8],[9],[1],[2]相比,我们引入了新颖的“锚定”框作为多种比例和纵横比的参考。 我们的方案可以看作是回归参考的金字塔(图1,c),它避免了枚举具有多个比例或纵横比的图像或过滤器。 使用单比例尺图像进行训练和测试时,该模型表现良好,从而提高了运行速度。
- 图 1
为了将RPN与快速R-CNN [2]对象检测网络统一起来,我们提出了一种训练方案,该方案在对region proposal任务进行微调与对对象检测进行微调之间交替,同时保持proposal不变。 这种方案可以快速收敛,并产生具有两个任务之间共享的卷积特征的统一网络。
我们在PASCAL VOC检测基准[11]上全面评估了我们的方法,其中具有快速R-CNN的R