G-CNN理解

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u012905422/article/details/52664918

为了目标检测精度和速度的进一步提高，在CVPR2016上各种算法可谓各显神通。今天要说的G-CNN就和YOLO算法类似，着重于速度的提升进行检测算子的改进。而与YOLO不同的是，改算法着眼于初始化proposal数量的减少，使得数以万计的proposal变成极少的初始格网，通过后面不停迭代获得最终较为准确的bbox。

其简要流程示意图：

proposal技术一直是高效的目标检测算子的一个计算量的瓶颈，巨大的proposal数量使得后续检测效率降低，因此，本文受迭代优化启发，介绍了一种起始于网格的迭代算法，通过更新来使得网格box包含目标并且为目标分类。一步的回归无法处理网格向目标靠近的非线性问题，因此，本文采用分段回归模型多次迭代。

通过示意图可以看出，在训练阶段，首先在图像中获取叠加的多尺度的规则网格（实际网格相互叠加，示意图中显示平铺以视觉化），然后通过ground truth与每一个网格的IoU进行每一个网格ground truth的分配，并完成训练过程，使得网格在回归过程中渐渐接近ground truth。在检测阶段，对于每一个box针对每一类获得置信分数，用最可能类别的回归器来更新box的位置。

网络结构：

从网络结构可以看出，G-CNN主要定义检测问题：所有可能bbox的迭代搜索问题。因此，其目标是训练网络使得网格最后可以将初始的网格向着目标ground truth移动。这和Faster R-CNN有较大区别。

损失函数：

G-CNN是一个迭代方法，它将bounding box在尽可能少的步骤下朝着目标位置移动。所以，其loss函数包含：（1）每个训练样本训练时的loss，（2）每个迭代时间步iterative step的loss。
在每一步迭代中，bounding box将要移动的目标定义函数如下：

其中：Strain 第几次迭代

其整体loss函数如下：

这里Bi 代表第i步迭代时候的bounding box位置，Bbg 代表所有的背景bounding box（负样本）。
因此可以看出，整体loss函数主要分为2大块：（1）候选bounding box是否不属于负样本的指示函数，（2）候选bbox与ground truth之间的loss。前部分主要判断该bbox是否满足条件，后部分则计算bbox的相对变化与ground truth直接的loss，loss函数通过每一iterative step进行更新。

实验结果：

文章展示大量优秀和不好的实验结果，这里仅仅展示优秀结果，可以看出，一步步下bbox向ground truth的回归还是非常成功的。