Fast RCNN总结笔记

只是自己的学习记录，论文提炼

摘要

• 在RCNN的基础上提出的。两个改进的优点：更快更准确。
• Fast RCNN用VGG16网络，训练集比RCNN快9倍，测试集快213倍。

介绍

• 目标检测有巨大挑战——需要精确定位目标：生成候选框；修正候选框。这样些问题势必会影响速度、准确性、简洁性。

• RCNN的缺点：muti-stage、训练耗费时间空间、检测慢

• SPPnet的缺点：muti-stage，不能更新池化之前的卷积层导致不准确

• Fast RCNN优点：mAP高；single-stage；能更新所有网络层；无需磁盘缓存特征。
  

• 具体操作步骤：整张图片输入卷积神经网络->RoI池化->全连接层->特征向量->softmax和bbox（4个边界框值）

• RoI池化层：将特征图转换成固定大小（7×7）。

• 预训练网络初始化：用三个ImageNet，每个有5个最大池化层和5~13个卷积层。

• 网络有三处改变：
  （1）RoI最大池化取代最后一个最大池化
  （2）softmax和回归器双分支取代最后一个全连接及softmax层
  （3）输入有两个：图像和图像的RoI。