Faster R-CNN pytorch版

Faster R-CNN

Faster R-CNN是在R-CNN,Fast R-CNN的基础上改进得来的。在训练速度和预测精度等方面有显著提高，实现端到端的目标检测。R-CNN,Fast R-CNN是Faster-RCNN发展进化的基石，回顾R-CNN,Fast R-CNN有助于更好地理解Faster R-CNN。

1 R-CNN,Fast R-CNN,Faster R-CNN检测流程

（1）R-CNN检测流程

检测流程：
'''
1. input: img
2. 生成region proposals : 用select research法，在输入图像上生成2K个候选区域。
3. 提取候选区域：找出图像上的候选区域，并缩放到227x227。
4. 生成特征：上一步的结果输入CNN模型中提取特征。
5. 分类：特征输入SVM分类器，得到物体类别。
6. 回归：通过回归精修候选框。
'''

缺点：
'''
1. select research法提取候选框费时。
2. 一张图片2K个候选框，用CNN提取特征时，大量重复计算。
3. 特征提取、分类、边框回归分别进行，分别训练、测试，效率低下。
'''

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

（2）Fast R-CNN检测流程
针对R C-NN的问题，Fast R-CNN有所改进，主要体现在把建议框映射到特征图上，再把特征图统一尺寸，这样就大大减少了重复计算，但是还是两步骤检测。

检测流程：
'''
1. input: img
2. 生成region proposals : 用select research法，在输入图像上生成2K个候选区域。
3.生成特征：图片输入CNN模型中提取特征。
4. 筛选特征：把候选区域映射到特征层，通过RoIPooling统一候选区域的尺寸。
5.分类和回归：对上一步提取的特征进行分类和回归。

'''
缺点：
'''
1. select research法耗时
'''

1
2
3
4
5
6
7
8
9
10
11
12
13
14

（3）Faster-RCNN检测流程

检测流程：
'''
1. 提取特征：backbone提取特征。
2. RPN生成建议框：backbone提取的特征输入RPN网络，RPN网络再提取特征后，进行分类和回归，判断特征图上是否有框，对存在框的数据根据先验框修正后得到新的建议框。把建议框对应图片的区域选出来，通过池化统一尺寸，作为下面网络的先验框。
3. cls+reg: 根据上一步得到的先验框提取特征后，进行分类和回归。
'''
优点：
'''
1. RPN代替select research法生成建议框。
2. 实现端到端的检测。
3. Faster R-CNN 确定了锚框检测流程。
4. 相比于R C-NN和Fast R-CNN，计算量大大减少。
'''
1
2
3
4
5
6
7
8
9
10
11
12
13

2 Faster R-CNN网络结构

Faster R-CNN网络结构的网络结构主要分为：backbone、 RPN、cls+reg。下面依次分析各个部分的工作流程。

（1）backbone
Faster R-CNN可以选用多种流行的backbone提取特征，以ResNet50为例。ResNet50有Conv Block和Identity Block，具体细节可以参考之前的博文。ResNet50对输入图片进行5次下采样，Faster R-CNN使用第四次下采样的特征feature[38,38,1024]，第五次下采样的特征应用在分类和回归中。

ResNet50网络结构
'''
ResNet50:
    input [600,600,3]
    Zeropad
    Conv2d(s=2)  + BatchNorm + ReLU + MaxPool(s=2)  [300,300,64] --> [150,150,64]
    Conv Block + Identity Block*2(s=1)  [150,150,256]
    Conv Block + Identity Block*3(s=2)  [75,75,512]
    Conv Block + Identity Block*5(s=2)  [38,38,1024]
    Conv Block + Identity Block*2(s=2) 
    AveragePooling2D
    Flatten
    output

'''

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

（2）RPN

'''
1. backbone 中第四次下采样的特征[b,38,38,1024]先经过卷积conv(3*3)，输出结果分别进行conv(1*1)得到[b,38,38,18]、[b,38,38,36]。
2. 根据分类置信度选出可信的框，对框解码得到新的框，作为下一个网络的先验框，根据框在特征上截取后resize到14x14x1024。

features --> conv(3*3) -->output
output--> conv(1*1) --> o1 [b,38,38,18]
output--> conv(1*1) --> o2 [b,38,38,36]

'''

1
2
3
4
5
6
7
8
9
10

（3）cls+reg

'''
1. 上一步截取的特征进行一次下采样，然后平均池化、Falatten、最后进行分类和回归。

 features --> COnvBlock --> AveragePooling --> cls(CrossEntropy)+reg(SmoothL1)
'''

1
2
3
4
5
6
7

3 训练流程

'''
1. 导入model_rpn, model_classifier,model_all及参数。
2. 生成标签。找到与真实框匹配的先验框，对真实框编码，生成预测框偏移及标记类别。
3. 计算回归损失和类别损失。
4. 数据前向传播，得到PRN 网络的预测结果，对预测结果解码，根据预测框和真实框的IoU筛选新的框。
5. RPN 筛选的框输入classifier网络，得到预测框和物体类别，梯度反向传播，更新参数。

'''

（1）生成标签

（2）损失函数

（3）预测结果筛选


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

4 预测流程

'''
1.图片处理。把图片放缩到最短边为600，图片原始宽高比例不变；图片归一化。
2.RPN得到预测得到置信度和预测偏移值。将预测结果进行解码--> nms筛选得到建议框。
3. 分批次把建议框传入classifier。筛选出其中得分高于confidence的框，得到预测结果。
4. 画框

'''


1
2
3
4
5
6
7
8
9