【目标检测】Fast RCNN算法

论文地址：https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Girshick_Fast_R-CNN_ICCV_2015_paper.pdf

代码地址：https://github.com/rbgirshick/fast-rcnn

 Fast RCNN是在RCNN的基础上进行的改进，整体的算法思路是一样的，改进之处如以下几点：

• 引入ROI pooling层，第一避免resize特征图到224*224，由于ROI pooling是可导的，所以实现了端到端的学习；
• CNN网络提前做了预训练，初始化权重是进过ImageNet数据集的训练得到，大大提高网络效率；
• 采用了多任务损失函数，一个任务是用softmax进行分类，另一个任务是边界框回归；
• 利用截断的奇异值分解加速网络。

Fast RCNN的总体框架图：

便于理解，借鉴了一个其他人的图：

• 读入一张图像，有两个步骤要做，第一利用selective search提取候选框，另一步是输入到FCN网络中提取特征，得到特征图；
• 根据RCNN的原理，提取的候选框都对应一个ground truth的回归框和此框的类别，回归框用(x,y,h,w)表示，(x,y)表示左上角坐标，(h,w)表示框的长宽，坐标框都是在原图像的坐标系下，特征图是网络下采样后得到的，所以坐标框坐标也应该相应缩小对应倍数，如VGG16下采样4次，缩小16倍，对应候选框也缩小16倍；
• 候选框框起来的特征图部分输入到ROI pooling层中，得到固定大小的输出特征图，ROI pooling层中将候选框划分为2*2的网格，并进行max pooling操作，由于后选矿缩小时，不一定是得到整数，所以需要就近取整，可能导致划分网格不均匀，如下：

  

•  得到的特征图通过全连接层，利用softmax得到一个类别标签，同时回归得到一个边框坐标，利用robust L1损失函数计算回归损失。

标签：ROI,候选框,Fast,pooling,算法,坐标,RCNN
来源： https://blog.csdn.net/weixin_41977337/article/details/111374147