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. (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 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 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 结果自然不用说，肯定是state-of-art，大家自己感受下吧
|
|
