【R-CNN】（讲解）

首先给出论文地址：Rich feature hierarchies for accurate object detection and segmentation

这篇论文提出的房价叫做R-CNN，中文解释可以为基于区域候选的卷积神经网络。这个网络结构也是发挥了很大的作用，也导致了后面很多的网络都是基于这个改进的，例如啊：Fast R-CNN、Faster R-CNN等等。这个框架在当时的数据集VOC 2012取得了非常好的效果，高于之前最好的结果约30%，实现了平均准确率为53.3%。

这篇博文的结构大概是这样的：
1、区域候选的产生方法----selective search
2、模型的框架
3、CNN 微调
3、分类策略
4、定位策略

---

区域候选的产生方法----selective search

使用区域候选方法创建目标检测的感兴趣区域（ROI）。在选择性搜索中，我们可以先分成足够小的区域，然后将两个区域相近的合并，这样子一直做下去，直到合成最后一个区域为整个图片。
在介绍Selective Search之前，先说些小知识点：
a.适应不同尺度：穷举搜索通过改变窗口大小来适应物体的不同尺度，选择搜索同样无法避免这个问题。
b.多样化：单一的策略无法对应多种类别的图像，使用颜色、纹理、大小等多种策略对分割的区域进行合并。
c.速度快。
下面具体讲讲两个区域合并，要满足什么条件这两个区域才能合并呢？——这就是多样新策略

-距离计算方式
距离计算方式需要满足两个条件：速度快，因为我们有这么多的区域建议还有这么多的多样性 ，其二是合并后的特征好计算，因为我们通过贪心算法合并区域，如果每次都需要重新计算距离，这个计算量就太大了。

• 颜色距离：
  我们费劲心思搞了这个多的色彩空间，首先当然是计算颜色距离：
  $S_{color}(r_i,r_j)=\sum _{k=1}^{n}min(c_i^k,c_j^k)$
  距离的计算方式很简单，就是对各个通道计算颜色直方图，然后取各个对应bins的直方图最小值。这样做的话两个区域合并后的直方图也就很好计算，直接通过直方图大小加权然后除以总区域大小就好了。

• 纹理距离
  $S_{texture}(r_i,r_j)=\sum _{k=1}^{n}min(t_i^k,t_j^k)$
  纹理距离计算方式和颜色距离几乎一样，我们计算每个区域的快速sift特征，其中方向个数为8， 3个通道，每个通道bins为10，对于每幅图像得到240维的纹理直方图，然后通过上式计算距离。

• 优先合并小的区域
  如果仅仅是通过颜色和纹理特征合并的话，很容易使得合并后的区域不断吞并周围的区域，后果就是多尺度只应用在了那个局部，而不是全局的多尺度。因此我们给小的区域更多的权重，这样保证在图像每个位置都是多尺度的在合并。
  $S_{size}(r_i,r_j)=1-\frac{size(r_i)+size(r_j)}{size(im)}$

• 区域的合适度度距离
  不仅要考虑每个区域特征的吻合程度，区域的吻合度也是重要的，吻合度的意思是合并后的区域要尽量规范，不能合并后出现断崖的区域，这样明显不符合常识，体现出来就是区域的外接矩形的重合面积要大。因此区域的合适度距离定义为：
  $fill(r_i,r_j)=1-\frac{size(B{B}_{ij})-size(r_i)-size(r_j)}{size(im)}$

• 综合各种距离
  现在各种距离都计算出来，我们要做的就是整合这些距离，通过多种策略去得到区域建议，最简单的方法当然是加权咯：
  $S(r_i,r_j)={\alpha }_1{S}_{scolor}(r_i,r_j)+{\alpha }_2{S}_{texture}(r_i,r_j)+{\alpha }_3{S}_{size}(r_i,r_j)+{\alpha }_4{S}_{fill}(r_i,r_j)$

• 参数初始化多样性
  我们基于基于图的图像分割得到初始区域，而这个初始区域对于最终的影响是很大的，因此我们通过多种参数初始化图像分割，也算是扩充了多样性。
  返回目录

---

模型的框架

这篇论文对图片特征提取的框架与之前的AlexNet框架是一样的，没有什么大的变化。这个框架可以参考我之前的博文：【论文】 ImageNet Classification with Deep Convolutional Neural Networks（讲解）

返回目录

---

CNN 微调

CNN 微调，英文为 CNN fine-tuning，这个方法是非常有用的，特别是在我们的训练集数据比较少的时候显得很有用。
像我们之前的模型训练的方法是，先搭建我们的模型，然后用这个model去fit我们的训练集，这些初始化的参数都是我们随机的，或者是一些经验值，这样，可能会导致一个过拟合，因为我们的数据集如果很少的话，第二个就是这样训练的时间会比较长，而且性能也不是特别好。
fine-tuning的思想是借助一个大的训练集去训练，等训练完后，然后将这些参数保存起来，再将这个模型在我们自己的训练集上去训练，而且论文中的实验也表明，对卷积层微调对性能提升不大，什么没有提升，但是对全连接层进行微调后，性能上有了比较明显的提升，这就说明，对特征层进行提高针对某个具体任务产生的影响不大，对全连接层微调让整个网络更适应当前任务。
返回目录

---

分类策略

这篇文论就是训练了一个SVM来做分类检测的。
返回目录

---

定位策略

这里大家还是要好好理解一下那些公式的，很有意思。具体的大家可以去看论文。

Reference
[1]目标检测（1）-Selective Search