Faster R-CNN

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

本文是任少卿，何恺明等发表在NeurIPS 2015上的关于object detection中Fast R-CNN的改进。
原文链接arxiv: http://arxiv.org/abs/1506.01497
github: https://github.com//jwyang/faster-rcnn.pytorch

发展过程R-CNN --> Fast R-CNN --> Faster R-CNN。

网络结构

主要有三块网络

Faster R-CNN是在Fast R-CNN基础上加上RPN，可以快速生成候选区域。主要结构如下：

1. Region Proposal Networks
RPN网络是解决region proposal的问题，输入是一副图像，输出的是region proposal，这里输入图像是feature map。实际上和Fast RCNN共享了下面的卷积层。

在论文中是用了3×3的窗口对feature map进行卷积，这里feature map上一个点就可以映射回原图的一个区域，每一次卷积得到的值也就是原图中的一个区域。

下面有个图片看起来更清晰一点。

这里就牵扯到anchor了。

上面卷积的时候每个点一个region proposal太简略了，现在不只是要用卷积对应原图的区域，而是要以此区域中心店为中心学习多个不同尺度不同长宽比的区域，这样的区域就是个anchor。也就是所谓的锚点，可能就是因为以有一个中心点。

论文中提到用了3种尺度和3种比例，所以一个中心点对应了9个anchor，每个anchor对应原图的一个区域，要学习的就是这个区域的分类（二分类 前景/背景）和框回归（关于box的4个参数），所以如上图有k个anchor时有2k分类score和4k回归坐标。

使用的anchor面积尺寸分别有128×128，256×256，512×512，三种长宽比有1:1，1:2，2:1，如下图这种

【待更新…】

reference:

1. https://www.cnblogs.com/wangyong/p/8513563.html
2. https://baijiahao.baidu.com/s?id=1588404920572500627&wfr=spider&for=pc