深度学习-【目标检测】学习笔记1.1Faster RCNN理论合集

一、RCNN

论文地址：https://arxiv.org/abs/1311.2524

R-CNN（Region with CNN feature）

4个步骤：

1.候选区域的生成

1k~2k个候选区域（使用Selective Search方法）

2.对每个候选区域，使用深度网络提取特征

3.特征送入每一类的SVM分类器，判定类别

非极大抑制

4.使用回归器精细修正候选框位置

4个值：中心点的xy坐标、w和h的缩放因子。

---

二、FastRCNN

论文地址：https://arxiv.org/abs/1504.08083

3个步骤：

ROI：Region of Interest，感兴趣区域。

正样本和负样本

---

ROI Pooling缩放到统一的尺寸（7×7）

这样就不用限制图像的尺寸。

---

分类器和边界框回归器

并联两个全连接层：一个用于目标概率预测（分类器），一个用于边界框预测（边界框回归器）。

---

Multi-task loss

分类损失

回顾：
见https://blog.csdn.net/qq_43406895/article/details/126361642

假设真实标签的one-hot编码是：[0,0,…1,…,0]
预测的softmax概率为[0.1,0.3,…,0.4,…,0.1]
那么Loss=-log(0.4)

边界框回归损失

x、y、w、h

回归损失函数1：L1 loss, L2 loss以及Smooth L1 Loss的对比

[u>=1]表示当u>=1时值为1，否则为0。

---

计算速度瓶颈在于 Selective Search 算法。

三、FasterRCNN

论文地址：https://arxiv.org/abs/1506.01497

回顾，Fast R-CNN

---

Faster R-CNN（RPN + Fast R-CNN）：3个步骤

RPN网络结构

cls layer 中的 2k scores 中的 2 分别对应 前景和背景 的概率。

intermediate layer的256-d对应ZF的256，如果使用VGG16的话会变成512-d。

回顾：感受野的计算方式
F（i）=（F（i+1）-1）×Stride+Ksize

正样本和负样本

损失

分类损失
2k。多类别的交叉熵损失。

k。二分类的交叉熵损失。

边界框回归损失

Fast R-CNN损失

---

Faster R-CNN训练

---

---