Fast R-CNN的学习笔记

在学习了R-CNN之后，我又迫不及待的学习了它的改良版Fast R-CNN，现在拿出来和大家进行分享~

一、 R-CNN的问题

   R-CNN的横空出世将深度卷积神经网络带进了目标检测领域。虽然R-CNN在此方面取得了不错的成绩，但也有些问题亟需解决。

1. 训练和测试速度慢：由于R-CNN采取的建议算法提议了2K个候选框，每个候选框都要送入CNN中进行卷积计算，从而产生大量的计算重叠。
2. 层级结构复杂，训练起来步骤较多。训练一个R-CNN网络包括：训练CNN，微调CNN，训练SVM，训练bbox regression。
3. 训练空间开销较大。在训练SVM和bbox regression的过程中要保存大量的特征向量作为训练样本，空间开销较大。
   
   

二、 解决方案

   针对上述问题，Fast-RCNN的作者创造性的提出一些解决方案，在大大加快训练和测试的速度之外，准确性也得到了提升。

1. 针对问题1，R-CNN是先提议候选框，将候选框裁剪后送至CNN提取特征。Fast-RCNN充分利用卷积操作的共享性，将图片先送至CNN提取特征，在这个特征上加入位置信息。

2. 针对问题2和问题3，R-CNN将用于分类的SVM和用于定位的bbox regression二者合并在一个网络之中，将特征送至两个并行的全连接层（multi-task），其中一个后接SoftMax用来预测类别，另一个后接bbox regression来定位边界框。同时作者提出了ROI-pooling的操作，使得从卷积层提取出来特征建议框的尺寸得以统一，以便传入后序的全连接层。这个操作使得