使用Faster-Rcnn进行目标检测的原理

源：http://blog.csdn.net/Gavin__Zhou/article/details/52052915

Object Detection发展介绍

Faster rcnn

是用来解决计算机视觉(CV)领域中

Object Detection

的问题的。经典的解决方案是使用:

SS(selective search)

产生

proposal

,之后使用像

SVM

之类的

classifier

进行分类，得到所有可能的目标.

使用

SS

的一个重要的弊端就是：特别耗时，而且使用像传统的

SVM

之类的浅层分类器，效果不佳。

鉴于神经网络(NN)的强大的

feature extraction

特征，可以将目标检测的任务放到NN上面来做，使用这一思想的目标检测的代表是:

RCNN Fast-RCNN

到

Faster-RCNN YOLO

等

简单点说就是:

RCNN 解决的是，“为什么不用CNN做detection呢？”
Fast-RCNN 解决的是，“为什么不一起输出bounding box和label呢？”
Faster-RCNN 解决的是，“为什么还要用selective search呢？”

Faster-Rcnn原理简介

鉴于之上的分析，想要在时间上有所突破就要在

如何更快的产生proposal

上做工夫。

Faster使用NN来做

region proposal

，在

Fast-rcnn

的基础上使用共享卷积层的方式。作者提出，卷积后的特征图同样也是可以用来生成 region proposals 的。通过增加两个卷积层来实现

Region Proposal Networks (RPNs)

, 一个用来将每个特征图 的位置编码成一个向量，另一个则是对每一个位置输出一个 objectness score 和 regressed bounds for
k region proposals.

RPN

RPN

的作用有以下几个:

(1) 输出proposal的位置(坐标)和score

(2) 将不同scale和ratio的proposal映射为低维的feature vector

(3) 输出是否是前景的classification和进行位置的regression

这里论文提到了一个叫做

Anchor

的概念，作者给出的定义是:

The k proposals are parameterized relative to k reference boxes, which we call anchors

我的理解是：不同ratio和scale的box集合就是anchor, 对最后一层卷积生成的feature map将其分为n*n的区域，进行不同ratio和scale的采样.

RPN的cls和reg

RPN输出对于某个proposal，其是属于前景或者背景的概率(0 or 1)，具体的标准论文里给出的是:

和所有的ground-truth的IoU(Intersection-over-union)小于0.3视为negative(背景)
和任意的ground-truth的IoU大于0.7视为positive(前景)
不属于以上两种情况的proposal直接丢掉，不进行训练使用

对于regression，作用是进行proposal位置的修正:

学习k个bounding-box-regressors
每个regresso负责一个scale和ratio的proposal，k个regressor之间不共享权值

RPN Training

两种训练方式:

joint training

和

alternating training

两种训练的方式都是在预先训练好的model上进行fine-tunning，比如使用VGG16、ZF等，对于新加的layer初始化使用random initiation，使用SGD和BP在caffe上进行训练

alternating training

首先训练RPN, 之后使用RPN产生的proposal来训练Fast-RCNN, 使用被Fast-RCNN tuned的网络初始化RPN,如此交替进行

joint training

首先产生region proposal,之后直接使用产生的proposal训练Faster-RCNN，对于BP过程,共享的层需要combine RPN loss和Faster-RCNN loss

Result

结果自然不用说，肯定是state-of-art，大家自己感受下吧