物体检测 faster rcnn

转载自：http://blog.csdn.net/shuzfan/article/details/52662384

本次介绍人脸检测方法Faster R-CNN：

《2016 Arxiv: Face Detection with the Faster R-CNN》.

上面这篇文章，是对Faster R-CNN的人脸检测实现，原始的Faster R-CNN实现的是多目标检测，即下面这篇文章：

《2015 CVPR: Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》.

核心导读：

RPN(Region Proposal Networks) + Fast R-CNN

RPN负责找到可能的目标窗口，R-CNN负责进一步判断目标。

因为讲解Faster R-CNN的文章已经很多了，所以我这里就快速的切入几个要点。

———————————— RPN ————————————

RPN负责从一副输入图像中选出一些候选目标窗口，它的作用和古老的“Sliding Window”(滑动窗口)类似，但后者通常会在一幅图像上产生数以万计的窗口。

下面给出RPN的示意图：



输入： 一幅图像，尺寸M×600,
即resize使得最短边为600.

中间输出： conv feature map，大小m×n。在该feature
map上以3×3滑窗，为了检测不同形状的窗口，这里每一个滑动窗口代表了可能的k=9种实际窗口(分别是3种不同尺度和3种不同宽高比)。每一个实际窗口，我们都称之为anchor。

最终输出： 一是：classifier score map,大小为m× n×2×k,表示每一个窗口是或是不是目标的概率； 

二是：regression map, 大小为m× n×4×k,表示每一个窗口所回归出来的四个坐标[x,y,w,h]

Test的时候，我们可以根据score map以一定阈值选出候选窗口，然后以regression map来修正这些候选框。

显然，RPN的Loss包含了两个部分，分别是分类和回归：



其中，pi 是第 i 个anchor属于目标的概率。

———————————— Faster R-CNN ————————————

现在给出整体的结构图：



由上图可以看出，RPN负责提供候选窗口，R-CNN负责对这些窗口做进一步判断，一共是先后的两部分。 

而且，两部分共用前面的所有的层，这样就通过参数共享大大减少了模型大小，从而提高了速度。 

最后做目标确认的时候，使用了ROI-Pooling方法，即只pooling目标区域。

———————————— 训练策略 ————————————

另外还需要注意的就是训练策略了。

论文最终采用了“Alternating training”的训练策略，分为4阶段：

（1）训练RPN;

（2） 利用RPN产生的候选窗口来训练R-CNN;

（3）在(2)的基础上训练再次RPN，只不过保持共享层不训练；

（4）在(3)的基础上训练R-CNN分支，同时保持其它层不变。