AlexNet 网络结构
1. R-CNN
- 采用Selective Search提取图片中2000个Region Proposals
- 调整每个Region Proposal尺寸,resize至 274*274
- 利用预训练CNN (AlexNet) 作为特征提取器进行fine-tune提取每个Region Proposal的特征
- 然后将特征送入Fullly Convolution Layer进行训练
- 然后将输出特征利用SVM进行分类
2. Fast R-CNN
- 采用Selective Search 提取图片2000个Region Proposals
- 改进R-CNN中resize后送入CNN步骤,直接采用CNN提取整张图片特征,得到feature map
- 根据每个Region Proposal的映射直接在feature map上提取特征
- 然后采用ROI polling layer对特征进行采样得到固定维度特征
- 将特征送入全卷积层FC,然后进入两个部分:Softmax、BBOX regressor
- 改进SVM分类,采用Softmax分类,同时另一部分进入边框回归器fine-tune边框
3. Faster R-CNN
- 首先采用预训练CNN提取网络特征得到feature map
- 替换比较耗时的Selective Search,进而改进采用RPN (Region Proposal Network) 提取Region Proposals
- 将Region Proposal和feature map利用RoI pooling进行特征提取,使得输入FN的维度一致
- 接入FN层同然后Fast R-CNN