Faster R-CNN

论文下载：

https://arxiv.org/pdf/1506.01497.pdf

论文代码：

https://github.com/rbgirshick/py-faster-rcnn

---

论文摘要：

目前最先进的目标检测网络依赖于区域建议算法(region proposal algorithms)假设目标位置。该论文研究中，引入一种区域建议网络(RPN)，RPN与检测网络共享图像的卷积特征。并且RPN是一个全卷积网络，同时预测每个位置的目标框(objects bounds)和目标分数(objects scores)。RPN经过端到端的训练，快速生成高质量的区域建议(region proposals)，输入到Fast-RCNN中进行目标检测。论文把RPN与融合成一个网络，共享卷积特性，即“注意力”。

---

不同的多尺度和多种大小的方案：

（a）图像在多个尺度上调整大小，并对每个尺度计算特征映射或深度卷积特征，避免使用枚举图像/多尺度/多种长宽比的卷积核。这种模型使用单一尺度的图像表现良好，运行速度快。

（b）使用不同尺寸的卷积核分别训练不同长宽比的模型，称为“过滤器金字塔”，即多尺度滑动窗口。

（c）特征图上遍布几种不同大小(呈金字塔趋势)的参考框(锚框)，处理成预测框。

论文应用方案（c）

---

Same Conv layer和Pooling：

所有的conv层都是：kernel_size=3，pad=1，stride=1；特征经过conv大小不变

所有的pooling层都是：kernel_size=2，pad=0，stride=2；特征经过Pooling大小变为原来的四分一

---

Region Proposal Networks(RPN)：

经过上面的same conv layer和pooling得到的特征图(feature maps)，为每一个点(可以理解为像素)匹配上9(默认k=9)种anchor，作为需要训练纠正的检测框，后期通过bounding box regression(预测框回归)进行修正。

上图是一组该目标中心的anchor，类似这样的一组anchor还有很多组。每个anchor都有对应的坐标数值。

预测框的回归：

x、xa、x*分别为预测框(predicted box)、锚框(anchor box)、真实框(ground-truth box)的横坐标，其他符号也是一样。

关于二分类的损失函数：

训练RPN时，为每一个anchor分配一个二进制标签(0或1)，代表有无对象。简单来说，在特征图上分布着很多anchor的情况下，RPN通过全卷积网络去判断那些anchor有目标(positive anchor)，那些没有目标(negative anchor)，即RPN是一个二分类网络。

---

Faster-Rcnn结构：

为了让RPN与Fast RCNN共享图像特征，作者讨论交替优化的方法学习有这两个网络融合的算法

①RPN网络由imagenet预训练进行初始化，并为区域建议任务进行端到端微调

②使用①中RPN生成的建议，通过Fast R-CNN训练一个独立的检测网络

③使用检测器网络初始化RPN训练，只微调RPN独有的层

④保持共享的卷积层固定，微调Fast R-CNN的独特层

简单来说分别进行两层微调至最高精度。

---

实验结果：

在PASCAL上使用RPN建议的检测示例，VOC 2007测试：

使用ZF网得知的每个锚点的平均提案规模(s = 600)：

PASCAL VOC 2007测试集的检测结果(用VOC 2007 trainval训练)：

PASCAL VOC 2007测试集的检测结果：

总结：

认识到了RPN网络，也明白了anchor是怎样诞生的，同时也进一步了解two stage的算法过程，即简单的二分类+复杂的多分类。

---

参考博客：

https://blog.csdn.net/jucilan3330/article/details/84255249

https://zhuanlan.zhihu.com/p/31426458

---