fasterrcnn论文_经典神经网络 | Faster RCNN 论文解析

点击上方“计算机视觉cv”即可“进入公众号”

重磅干货第一时间送达

• 论文题目：Faster R-CNN: T owards Real-Time Object Detection with Region Proposal Networks
• 论文链接：https://arxiv.org/abs/1506.01497

作者及单位

研究目标

Faster R-CNN是为了改进Fast R-CNN而提出来的。因为在Fast R-CNN文章中的测试时间是不包括search selective时间的，而在测试时很大的一部分时间要耗费在候选区域的提取上。所以作者提出了RPN来提取候选框，使时间大大的减少了。

Faster R—CNN网络介绍

Faster R—CNN结构

Faster R—CNN具体可分为四个结构：

• Conv layers：作为一种CNN网络目标检测方法，Faster RCNN首先使用一组基础的conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后续RPN层和全连接层。

• Region Proposal Networks：RPN网络用于生成region proposals。该层通过softmax判断anchors属于 positive或者 negative，再利用bounding box regression修正anchors获得精确的proposals。

• Roi Pooling：该层收集输入的feature maps和proposals，综合这些信息后提取proposal feature maps，送入后续全连接层判定目标类别。

• Classification：利用proposal feature maps计算proposal的类别，同时再次bounding box regression获得