目标检测之⊙_⊙简单了解一下fast R-CNN？

1 fast R-CNN简介

fast R-CNN，是由rgb提出的一种网络结构，用于目标检测和语义分割。
在RCNN中，每个proposal都要通过CNN提取一次特征，导致速度特别慢。fast R-CNN在R-CNN的基础上做了改进，使得检测的速度更快，效果更好。

2 检测流程

下图是fast R-CNN的结构图（图来自原论文）：

2.1 提取特征图和候选区域

提取特征图：
输入：图像（image）
输出：特征图（feature maps），这里不止一张feature map
方法：通过CNN
例如：image通过VGG16得到conv5_3的特征图，有512张。
提取候选区域：
输入：图像（image）
输出：候选区域（region proposals），或者叫ROI region
方法：selective search
具体流程图如下所示：

2.2 每个候选区域通过ROI pooling得到feature

输入：proposal以及上一步提取到的特征图
输出：固定长度的featrure
方法：ROI pooling
具体流程图如下：

如上图所示，对于每一个proposal，映射到feature maps的相应位置，然后对这个位置作ROI pooling，得到固定大小的feature maps（论文中通过ROI pooling之后得到的每张feature map大小为7x7），再通过全连接层得到固定大小的feature。

这里补充一下ROI pooling：

• 因为选取的region proposal不是对应在整个特征图上的，可能只是映射到某个区域，这个区域就称为感兴趣区域ROI（region of interest），ROI pooling就是对这个区域进行池化，假设ROI区域大小是5x7，经过pooling后要变为2x2，可以看到不能整除，那么就需要取整，所以整个过程如下图所示：
  

图片来源（https://zhuanlan.zhihu.com/p/65423423）

2.3 分类与回归

输入：上一步得到的feature
输出：每个类别的概率（得分），以及bbox的位置（偏移量）
方法：softmax，regressor
具体流程图如下所示：

整个网络的流程图如下所示：

3 总结

fast R-CNN与R-CNN的比较：
1.fast R-CNN只提取“一次”特征，速度更快
Image 通过CNN得到feature maps，再让每一个proposal对应feature maps中的位置去进行ROI pooling，从而得到feature；而在R-CNN中，是让每个proposal都要通过CNN提取特征。

2.fast R-CNN丢弃SVM，直接利用提取的特征进行分类和回归
fast R-CNN提取proposal的方法是selective search，该方法速度较慢，之后的faster R-CNN针对此处做了改进。

结束。
ps：本文纯属个人理解，有问题的地方还请各位看官一起讨论。
最后附上论文地址：https://arxiv.org/pdf/1504.08083.pdf