Fast RCNN

算法简介

Fast R-CNN仍然使用VGG16作为网络的backbone，与R-CNN相比，训练时间快9倍，测试推理时间快213倍，准确率从62%提升到66%

算法流程

Fast R-CNN算法流程可分为三个步骤
1、一张图像生成1k-2k个候选区域（使用selective search）方法
2、将图像输入网络得到相应的特征图，将ss算法生成的候选框投影到特征图上得到相应的特征矩阵
3、将每个特征矩阵通过ROI Pooling层缩放到7x7大小的特征图，接着将特征图展平通过一系列全链接层得到预测结果

一次性计算整张图像

与R-CNN不同，R-CNN是将每个候选框分别送入网络，有可能相同的一个特征区域会被计算很多次，造成冗余， Fast R-CNN则是将整张图像送入网络，紧接着从计算出的特征图像上利用候选框提取相应的候选区域，从而不需要重复计算

在论文中，作者将候选框与gt的IOU大于0.5的则定义为正样本， Fast R-CNN中并不是采用所有ss算法产生的候选区，而是采用了其中一部分

Fast R-CNN

文中对生成候选框的区域进行了Max Pooling操作，统一变为7x7的特征矩阵，所以不需要限制输入图像的尺寸。

分类器

图像经过ROI Pooling之后将会输入两个全链接层并展平，随后会并联输入两个全链接层，其中一个负责目标概率预测，一个负责候选框边界回归，分类器会输出N+1个类别的概率，其中N为检测目标的种类，1为背景概率，由于是经过Softmax处理之后输出的，所以N+1类概率和为1。

边界框回归器

边界框回归器会输出对应N+1个类别的候选边界框回归参数（dx, dy, dw, dh）共（N+1）x4个节点

边界框回归的计算函数为

损失函数

其中分类损失为为Softmax交叉熵损失

边界框回归损失


TIPS:
损失函数中的lamda是一个平衡系数，用来平衡分类损失和边界框损失;

[u>=1]为艾弗森括号，u>=1时对应的边界框中是正样本，所以等于1，u<1时对应边界框中对应的是背景，也就是负样本所以等于0，就不存在边界框回归损失了。

回归参数Vx = (Gx - Px)/Pw
（真实x - 预测x）/预测w
Vy同理
ln(Vw) = ln(Gw/Pw)
ln(Vh) = ln(Gh/Ph)

ps：交叉熵损失

1、针对多分类问题（softmax输出，所有输出概率和为1）

2、针对二分类问题（sigmod输出，每个输出结点之间互不相干）

selective search算法

Selective search算法（以下简称ss算法）：首先通过以及简单的聚类生成区域集合（利用felzenszwalb算法）；然后根据定义的相似度不断合并相邻区域构成新的候选框。本质上是一种基于在原始聚类后的区域集合上，依照邻域的相似度，从小到大的进行滑动窗口。

具体算法实现步骤如下：
step1：计算区域集R里每个相邻区域的相似度S={s1,s2,…}
step2：找出相似度最高的两个区域，将其合并为新集，添加进R
step3：从S中移除所有与step2中有关的子集
step4：计算新集与所有子集的相似度
step5：跳至step2，直至S为空

区域相似度，颜色、纹理、尺寸、交叠。四个方面。

标签：候选框,边界,Day2,Fast,算法,区域,CNN
来源： https://blog.csdn.net/dudu199806/article/details/111219059