R-CNN发展历程及其优缺点

R-CNN

R-CNN是第一个将CNN用于目标检测的DL model，主要流程为以下几个部分：

• 使用无监督的选择性搜索（selective search）方法将输入图像具有相似颜色直方图特征的区域进行递归合并，大约产生2000个候选区域
• 将候选区域裁剪成缩放成合适尺寸，并送到一个CNN特征提取网络中进行高层次的特征提取
• 提取到的特征送入到SVM分类器进行分类，以及一个线性回归器进行box位置和大小调整
• 最后通过NMS操作，得到最终的结果

SPPNet

SPPNet中的SPP是值空间金字塔池化，主要是针对R-CNN以下缺点进行改进：

• R-CNN由于候选区域必须经过缩放成同一尺寸，才能被后一步处理，主要由于里面的线性分类器缘故
• 由于R-CNN中存在对2000个候选区域都要做特征抽取，导致特征提取存在大量的重叠信息

SPPNet改进：

• 提出了一个spp结构，mn的池化窗口，无论候选区域为多大，只要经过spp后，尺寸都是变为mn的。
• SPPNet只要全图上做一次特征提取，然后每个候选区域对应的特征直接从全图特征中进行截取。

Fast R-CNN

改进的地方：

• 提出ROI Pooling， SPP结构和ROI Pooling区别详见博客
• 使用FC代替之前的SVM分类和线性回归器来进行物体分类和检测框修正，这样的好处是与特征提取的cnn构成一个整体，大大增强检测任务的一体性，提高了计算效率。

Faster R-CNN

改进的地方：

• Faster R-CNN针对之前最耗时的SS，提出了一个区域候选网络（RPN）来取代SS，并且RPN和Faste R-CNN 共享特征提取的权值。
• Faster R-CNN = RPN + Fast R-CNN