8月31日目标检测学习笔记——Faster RCNN

---

前言

本文为8月31日目标检测学习笔记，分为七个章节：

• Faster-RCNN；
• SPPNet（Spatial Pyramid Pooling）；
• Fast-RCNN；
• HyperNet；
• RFCN；
• Light-Head RCNN；
• Cascade RCNN。

---

一、Faster-RCNN

1、原理

2、步骤

1. 训练分类网络（AlexNet）；

2. Fine-tuning：

   • 类别 1000 改为 20；
   • 去掉 FC 层。

3. 特征提取：

   • 提取候选框；

4. 训练 SVM 分类器，每个类别对应一个 SVM；

5. 回归器精修候选框位置，利用线性回归模型判定框的准确度。

3、RoI Pooling

将 proposal 抠出来，然后 resize 到统一的大小：

1. 根据输入的 image，将 RoI 映射到 featrue map 对应的位置；
2. 将映射后的区域划分为相同大小的 sections；
3. 对每个 section 进行 max pooling。

4、网络结构

• 主干网络：13con + 13relu + 4pooling；
• RPN：3×3 + 背景前景区分 + 初步定位；
• RoI Pooling；
• 分类+位置精确定位。

---

二、SPPNet（Spatial Pyramid Pooling）

• 空间金字塔池化：
  • CNN 不同尺度输入；
  • 仅对原图提取一次卷积特征。

---

三、Fast-RCNN

结合 SSPNet 改进 RCNN：

• RoI Pooling：单层 SSPNet。

多任务网络同时解决分类和位置回归：

• 共享卷积特征。

---

四、HyperNet

Faster-RCNN 变种。

---

五、RFCN

• VGG16 ⇒ ResNet；
• 通过 position sensitive score map 把目标的位置信息融合进 RoI pooling；
• 耗时的卷积尽量移到前面共享的 subnetwork 上。

---

六、Light-Head RCNN

• Thinner feature map：score map 维度 ⇒ 10×p×p = 490；
• 将 k×k 的卷积 转化为 1×k 和 k×1；
• 最后通过两个 fc 层实现分类和回归。

---

七、Cascade RCNN

只有 proposal 自身的阈值和训练器所用的阈值较为接近的时候，训练器的性能最好。

---