rcnn,sppnet,fast rcnn,ohem,faster rcnn,rfcn

https://zhuanlan.zhihu.com/p/21412911

rcnn需要固定图片的大小，fast rcnn不需要

rcnn,sppnet,fast rcnn,ohem,faster rcnn,rfcn都属于基于region proposal（候选区域）的目标检测方法，即预先找出图中目标可能出现的位置。

fast rcnn：在特征提取层的最后一层卷积后加入roi pooling layer，损失函数使用多任务损失函数(multi-task loss)，将边框回归直接加入到CNN网络中训练。

　　　　　1.ROI pooling layer实际上是SPP-NET的一个精简版，SPP-NET对每个proposal使用了不同大小的金字塔映射，而roi pooling layer只需要下采样到一个7x7的特征图。对于VGG16网络conv5_3有512个特征图，这样所有region proposal对应了一个7*7*512维度的特征向量作为全连接层的输入。

　　　　　2.R-CNN训练过程分为了三个阶段，而Fast R-CNN直接使用softmax替代SVM分类，同时利用多任务损失函数边框回归也加入到了网络中，这样整个的训练过程是端到端的(除去region proposal提取阶段)。没有真正实现端到端训练。

　　　　　fast rcnn中一个batch是两张图片，每张图片64个region proposal，即一个batch里是128个region proposal。选择16个（即1/4）作为正例，选择48个（即3/4）作为负例。正例是iou大于等于0.5的框，负例是iou大于等于0.1，小于0.5的框。

faster rcnn：之前的网络都是单独生成的region proposal，faster rcnn利用了cnn网络来生成region proposal，这样就真正实现了端到端。在region proposal + CNN分类的这种目标检测框架中，region proposal质量好坏直接影响到目标检测任务的精度。如果找到一种方法只提取几百个或者更少的高质量的预选窗口，而且召回率很高，这不但能加快目标检测速度，还能提高目标检测的性能（假阳例少）。RPN(Region Proposal Networks)网络应运而生。

　　　　　  RPN的核心思想是使用卷积神经网络直接产生region proposal，使用的方法本质上就是滑动窗口。RPN的设计比较巧妙，RPN只需在最后的卷积层上滑动一遍，因为anchor机制和边框回归可以得到多尺度多长宽比的region proposal。RPN机制生成的roi，跨越图像边界的都要忽略掉。

　　　　　  RPN网络实际上就是在特征提取层最后一层之后再加一层卷积层，并且这一层是一个3x3的卷积。之后再生成只是这一层后面加了label loss和.....  这个到底怎么训练的

　　　　　　faster rcnn训练的2个阶段（6个过程）：1.rpn网络训练　　2.利用rpn网络提取region proposal　　3.利用生成的region proposal训练fast rcnn网络

　　　　　　　　　　　　　　　　　　　　　　　   4.rpn网络训练，但这个时候特征提取层的参数固定了，只训练后面的层的参数　　5.利用rpn网络提取region proposal

　　　　　　　　　　　　　　　　　　　　　　　   6.特征提取层参数固定，利用新生成的region proposal去训练fast rcnn网络

　　　　　　在1,3中都是利用imagenet预训练模型进行参数初始化，1,3,4,6中rpn网络后面的卷积层和fast rcnn后面的全连接层都是利用高斯分布进行初始化

ohem：将所有的region proposal拿来训练，一个batch大小为2048，map高于fast rcnn原来的情况。ohem方法和fast rcnn一样，一个batch128个region proposal，但这128个是按照loss由大到小排列，并且经过nms处理后选出的前128个大的region proposal。ohem取消了正负样本在mini-batch里的ratio（原Fast-RCNN的ratio为1:3）。

　　　  训练过程：1.将原图的所有props扔到RoINet1，计算它们的loss（这里有两个loss：cls和det）；

　　　  　　　　　2.根据loss从高到低排序，以及利用NMS，来选出前K个props（K由论文里的N和B参数决定）

  　　　   　　　　　　为什么要用NMS? 显然对于那些高度overlap的props经RoI的投影后，

     　　　　　　　　　其在feature maps上的位置和大小是差不多一样的，容易导致loss double counting问题

　　　　　　　　　　 ohem中的nms和之前的有点不一样，ohem是按照loss大小排列，但之前的是按照这个框的概率值进行排列。

   　　  　　　　　3.将选出的K个props（可以理解成hard examples）扔到RoINet2，这时的RoINet2和Fast RCNN的RoINet一样，计算K个props的loss，并回传梯度/残差给　　　　          　　　　　   　　ConvNet，来更新整个网络