0. bounding-box regression
bouding-box regression 在R-CNN论文附录C中有详细的介绍,在后续的论文Fast-RCNN、Faster-RCNN、Mask-RCNN、SSD系列、yolo系列中都没有仔细介绍.
本文使用RCNN论文来介绍bounding box regression原理,同时利用faster rcnn代码来分析理论公式在代码中是如何实现的
R-CNN 论文地址: https://arxiv.org/pdf/1311.2524v3.pdf
faster r-cnn地址 : https://github.com/ShaoqingRen/faster_rcnn
1. bouding-box参数解释
RPN网络层与分类cls层并列的bbox层,其网络权重值是 Ground Truth与 预测值P之间的参数,其网络输出值W*P是 proposal(rpn层的anchor, 或者是 fast rcnn层的proposal)到 GT坐标值的四个变化系数
学习的参数是bbox层的网络权重,因为bbox层有四个通道,分别对应四个输出值,可以将每个通道对应的卷积参数称之为 w x , w y , w w , w h w_x,w_y,w_w,w_h wx,wy,ww,wh, 图像经过这层卷积之后就是 四个值 d x ( P ) , d y ( P ) , d w ( P ) , d h ( P ) d_x(P), d_y(P), d_w(P), d_h(P) dx(P),dy(P),dw(P),dh(P)了,为了方便表示,将这四个数字或者说函数的结果表示为 t x ′ , t y ′ , t w ′ , t h ′ t_x',t_y',t_w',t_h' tx′,ty′,tw′,th′,也就是RPN网络中bbox层的输出。
2. 网络训练过程
一方面将bbox层的输出
t
x
′
,
t
y
′
,
t
w
′
,
t
h
′
t_x',t_y',t_w',t_h'
tx′,ty′,tw′,th′作为预测值,另一方面将
t
x
=
(
G
x
−
P
x
)
/
P
w
t_x=(G_x - P_x)/ P_w
tx=(Gx−Px)/Pw
t
x
=
(
G
x
−
P
x
)
/
P
w
t_x=(G_x - P_x)/ P_w
tx=(Gx−Px)/Pw
t
x
=
(
G
x
−
P
x
)
/
P
w
t_x=(G_x - P_x)/ P_w
tx=(Gx−Px)/Pw
t
x
=
(
G
x
−
P
x
)
/
P
w
t_x=(G_x - P_x)/ P_w
tx=(Gx−Px)/Pw
作为label,于是求使label与预测值最小的网络权重偏移参数
w
x
,
w
y
,
w
w
,
w
h
w_x,w_y,w_w,w_h
wx,wy,ww,wh…这便是bbox层网络权重的更新过程。
其中 G G G是实际值,那么 P P P要怎么求解出来呢?
- R-CNN的预测框是由 selective search方法得到的,称之为 proposal.于是这个proposal的x,y,w,h就用于和ground truth作比较。
- RPN网络中 P是 9个anchor中的被保留下来的那个anchor, anchor经过上面的公式得到第一次优化的bounding-box,称为proposal。
- Fast RCNN中将RPN的输出proposal作为P,再次寻求P到G之间的变换函数。
-
实际代码
function [regression_label] = fast_rcnn_bbox_transform(ex_boxes, gt_boxes)
% [regression_label] = fast_rcnn_bbox_transform(ex_boxes, gt_boxes)
% --------------------------------------------------------
% Fast R-CNN
% Reimplementation based on Python Fast R-CNN (https://github.com/rbgirshick/fast-rcnn)
% Copyright (c) 2015, Shaoqing Ren
% Licensed under The MIT License [see LICENSE for details]
% --------------------------------------------------------
ex_widths = ex_boxes(:, 3) - ex_boxes(:, 1) + 1;
ex_heights = ex_boxes(:, 4) - ex_boxes(:, 2) + 1;
ex_ctr_x = ex_boxes(:, 1) + 0.5 * (ex_widths - 1);
ex_ctr_y = ex_boxes(:, 2) + 0.5 * (ex_heights - 1);
gt_widths = gt_boxes(:, 3) - gt_boxes(:, 1) + 1;
gt_heights = gt_boxes(:, 4) - gt_boxes(:, 2) + 1;
gt_ctr_x = gt_boxes(:, 1) + 0.5 * (gt_widths - 1);
gt_ctr_y = gt_boxes(:, 2) + 0.5 * (gt_heights - 1);
targets_dx = (gt_ctr_x - ex_ctr_x) ./ (ex_widths+eps);
targets_dy = (gt_ctr_y - ex_ctr_y) ./ (ex_heights+eps);
targets_dw = log(gt_widths ./ ex_widths);
targets_dh = log(gt_heights ./ ex_heights);
regression_label = [targets_dx, targets_dy, targets_dw, targets_dh];
end
其中上面的代码中ex_boxes即为faster rcnn论文中说到的筛选方法之后被选中的9个anchor中的一个,一个anchor有四个参数
在Fast RCNN的训练过程中,也就是Faster RCNN第二个bounding-box regression过程中,RPN网络产生的anchor经过RPN层后得到第一次优化的bounding-box,称为proposal,因为有NMS步骤,所以对于一个物体,最多有一个proposal框,拿这个proposal的四个参数再次和ground truth来运算,形成了Fast RCNN层的
t
x
,
t
y
,
t
w
,
t
z
t_x,t_y,t_w,t_z
tx,ty,tw,tz。于是就将proposal按照
t
x
,
t
y
,
t
w
,
t
z
t_x,t_y,t_w,t_z
tx,ty,tw,tz去调整为最终的输出。
- 在RPN网络训练过程中,anchor的四个数字认为是公式中的P。
- 在Fast-RCNN网络训练部分,P不再是anchor,而是由RPN网络得到的proposal框的四个值。
3. 预测过程
-
理论公式
G ^ x = P w d x ( P ) + P x \hat{G}_x= P_wd_x(P) + P_x G^x=Pwdx(P)+Px G ^ y = P h d y ( P ) + P y \hat{G}_y = P_hd_y(P) + P_y G^y=Phdy(P)+Py G ^ w = P w e x p ( d w ( P ) ) \hat{G}_w = P_wexp(d_w(P)) G^w=Pwexp(dw(P)) G ^ h = P h e x p ( d h ( P ) ) \hat{G}_h = P_hexp(d_h(P)) G^h=Phexp(dh(P))
-
代码框架
for j = 1:2 % we warm up 2 times
im = uint8(ones(375, 500, 3)*128);
if opts.use_gpu
im = gpuArray(im);
end
% proposal_im_detect是RPN网络输出结果的过程
[boxes, scores] = proposal_im_detect(proposal_detection_model.conf_proposal, rpn_net, im);
% aboxes是经过NMS等过程后,挑选出合适的boxes
aboxes = boxes_filter([boxes, scores], opts.per_nms_topN, opts.nms_overlap_thres, opts.after_nms_topN, opts.use_gpu);
if proposal_detection_model.is_share_feature
%用于RPN层的卷积和Fast RCNN的卷积层共享参数, 要达到这个功能,需要按照论文那样四步走训练网络
[boxes, scores] = fast_rcnn_conv_feat_detect(proposal_detection_model.conf_detection,
fast_rcnn_net, im,
rpn_net.blobs(proposal_detection_model.last_shared_output_blob_name),
aboxes(:, 1:4), opts.after_nms_topN);
else
[boxes, scores] = fast_rcnn_im_detect(proposal_detection_model.conf_detection,
fast_rcnn_net, im, aboxes(:, 1:4), opts.after_nms_topN);
end
end
% 在RPN网络中使用anchor来预测第一次的boxes
box_deltas = output_blobs{1}; % 从rpn层的输出
%获取到的anchors,经过NMS等操作处理
anchors = proposal_locate_anchors(conf, size(im), conf.test_scales, featuremap_size);
% 利用anchor和 box_deltas求取预测框输出的过程 ,也是下面论文中的公式
pred_boxes = fast_rcnn_bbox_transform_inv(anchors, box_deltas);
%Faster RCNN中第二次bounding-box regression即Fast RCNN中的回归过程
box_deltas = output_blobs{1};
box_deltas = squeeze(box_deltas)';
% 这里使用的是上一步产生的boxes
pred_boxes = fast_rcnn_bbox_transform_inv(boxes, box_deltas);
4. R-CNN论文Bounding-box regression内容