Faster R-CNN 论文阅读
1. Introduction
目标检测在region proposal 方法的推动下获得了很大成功,SPP-Net和fast R-CNN使用共享卷积层加速了计算速度,目前在test阶段的瓶颈在于region proposal。
目前的region proposal都太耗时了,这篇论文提出了RPN(Region Proposal Networks),使得面对检测任务,基本是cost-free的。
2. related work
没什么要说的
3. Faster R-CNN
Faster R-CNN包含了两个部分,一个是RPN,一个是fast R-CNN. 整个系统是单一、统一的网络。用最近比较时髦的术语“attention”来说,RPN就是告诉fast R-CNN往哪看的。
3.1 Region Proposal Networks
这里使用了两种卷积网络,一种是ZF的,一种是VGG-16。论文配图以ZF为例。RPN网络在最后一个卷积层之后开始,以ZF为例,最后一个卷积层的输出为13×13×256。首先RPN接了一个n×n×256的卷积层,这里的n = 3. 这是相当于采用滑动窗口的形式来提出proposal,每一个滑动的窗口对应回原图的region都是所提出的region.随后接了两个1×1的全卷积层,分别为分类层(cls)和回归层(reg)。
3.1.1 Anchors
对于feature map 当中的每一个点,都可以对应回原图,使用不同的尺寸和长宽比,可以得到多个原图的boxes, 叫做anchors. 论文用了3个尺度,3个长宽比,得到k = 9.
所以对于一个W×H的feature map,可以得到 WHk个anchors.
平移不变
anchor具有平移特性。当在图片当中平移一个object后,proposal 也能平移,function也会预测到正确位置。
3.1.2 Loss Function
对于anchors, 正样本:
- 与ground truth有着最高的IOU的anchors
- 与任意一个ground truth有着大于0.7的IOU的anchors
所以一个ground truth box可以对应多个正的anchors,而且至少对应一个。通常第二个条件就足以生成充足的正样本了,但是在某些稀少的情况下第二个情况或许没有正样本,只能使用第一个条件来产生一些正样本。
负样本的定义是对于所有的ground truth 的IoU都小于0.3.
Loss 函数的定义:
3.1.3 Training RPNs
每次的mini-batch都从一张图上产生256个anchors,正负比例基本1:1。
前60K学习率为0.001 ,接下来20k学习率为0.0001.
momentum为0.9, weight decay为0.0005
3.2 RPN与fast R-CNN之间共享卷积层特征
4步轮流训练
1. 从pre-trained ImageNet网络初始化RPN网络,训练RPN网络。
2. 从pre-trained ImageNet网络初始化fast R-CNN网络,并用1当中的RPN网络得到region proposals, 训练自己的网络,此时两个网络的卷积层是不一样的,不共享的。
3. 使用fast R-CNN的卷积层初始化RPN网络的卷积层, fine-tune RPN网络的后面的特有的层。
4. 然后用3中的RPN网络生成region proposals,fine-tune fast R-CNN网络后面特有的层。
3.3 实现细节
训练时为了便于收敛去掉越过边界的那些anchors,但是测试时还是保留了,不过会裁剪到边界。这样对于1000×600的图片,原本有60×40×9个anchors,去掉之后大约还有6000个anchors.
RPN的proposals有很大的重叠度,采用NMS来去掉重叠,采用的IOU阈值为0.7
4 实验
4.1 在Pascal VOC上的实验
本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦:
- Markdown和扩展Markdown简洁的语法
- 代码块高亮
- 图片链接和图片上传
- LaTex数学公式
- UML序列图和流程图
- 离线写博客
- 导入导出Markdown文件
- 丰富的快捷键
快捷键
- 加粗
Ctrl + B
- 斜体
Ctrl + I
- 引用
Ctrl + Q
- 插入链接
Ctrl + L
- 插入代码
Ctrl + K
- 插入图片
Ctrl + G
- 提升标题
Ctrl + H
- 有序列表
Ctrl + O
- 无序列表
Ctrl + U
- 横线
Ctrl + R
- 撤销
Ctrl + Z
- 重做
Ctrl + Y
Markdown及扩展
Markdown 是一种轻量级标记语言,它允许人们使用易读易写的纯文本格式编写文档,然后转换成格式丰富的HTML页面。 —— [ 维基百科 ]
使用简单的符号标识不同的标题,将某些文字标记为粗体或者斜体,创建一个链接等,详细语法参考帮助?。
本编辑器支持 Markdown Extra , 扩展了很多好用的功能。具体请参考Github.
表格
Markdown Extra 表格语法:
项目 | 价格 |
---|---|
Computer | $1600 |
Phone | $12 |
Pipe | $1 |
可以使用冒号来定义对齐方式:
项目 | 价格 | 数量 |
---|---|---|
Computer | 1600 元 | 5 |
Phone | 12 元 | 12 |
Pipe | 1 元 | 234 |
定义列表
-
Markdown Extra 定义列表语法:
项目1
项目2
- 定义 A
- 定义 B 项目3
- 定义 C
-
定义 D
定义D内容
代码块
代码块语法遵循标准markdown代码,例如:
@requires_authorization
def somefunc(param1='', param2=0):
'''A docstring'''
if param1 > param2: # interesting
print 'Greater'
return (param2 - param1 + 1) or None
class SomeClass:
pass
>>> message = '''interpreter
... prompt'''
脚注
生成一个脚注1.
目录
用 [TOC]
来生成目录:
数学公式
使用MathJax渲染LaTex 数学公式,详见math.stackexchange.com.
- 行内公式,数学公式为: Γ(n)=(n−1)!∀n∈N 。
- 块级公式:
更多LaTex语法请参考 这儿.
UML 图:
可以渲染序列图:
或者流程图:
离线写博客
即使用户在没有网络的情况下,也可以通过本编辑器离线写博客(直接在曾经使用过的浏览器中输入write.blog.csdn.net/mdeditor即可。Markdown编辑器使用浏览器离线存储将内容保存在本地。
用户写博客的过程中,内容实时保存在浏览器缓存中,在用户关闭浏览器或者其它异常情况下,内容不会丢失。用户再次打开浏览器时,会显示上次用户正在编辑的没有发表的内容。
博客发表后,本地缓存将被删除。
用户可以选择 把正在写的博客保存到服务器草稿箱,即使换浏览器或者清除缓存,内容也不会丢失。
注意:虽然浏览器存储大部分时候都比较可靠,但为了您的数据安全,在联网后,请务必及时发表或者保存到服务器草稿箱。
浏览器兼容
- 目前,本编辑器对Chrome浏览器支持最为完整。建议大家使用较新版本的Chrome。
- IE9以下不支持
- IE9,10,11存在以下问题
- 不支持离线功能
- IE9不支持文件导入导出
- IE10不支持拖拽文件导入
参考文献
- https://arxiv.org/pdf/1506.01497.pdf
- to do
- to do
- 这里是 脚注 的 内容. ↩