RCNN + Fast RCNN + Faster RCNN

图像分类 图像定位 目标检测 和 实例分割

目标检测的发展历程（论文时间）

图片来自https://github.com/hoya012/deep_learning_object_detection#2014

相关链接https://blog.csdn.net/C_chuxin/article/details/82828439

RCNN(Regions with CNN) 是将CNN引入目标检测的开山之作

RCNN 主要分为四步

• 采用SelectiveSearch方法生成候选区域(region proposals), 每张图片1K~2K个候选区域
• 提取特征，每个区域都采用CNN(AlexNet)进行特征提取，需要resize(各向异性缩放 p=16)
• 判断类别，每个区域提取特征送入不同的SVM分类器，判断是否属于该类
• 位置修正，采用回归器修正候选框位置 线性回归
  

为什么在CNN后采用SVM进行分类，而不用原有的SoftMax？

• 这个是因为svm训练和cnn训练过程的正负样本定义方式各有不同，导致最后采用CNN softmax输出比采用svm精度还低

R-CNN 缺点

• 需要事先提取多个候选区域对应的图像。这一行为会占用大量的磁盘空间
• 候选区域(region proposal)归一化过程中对图片产生的形变会导致图片大小改变，不利于CNN的特征提取
• 每个候选区域(region proposal)都需要进入CNN网络计算,进而会导致过多次的重复的相同的特征提取，这一举动会导致计算浪费

【文章参考】

• https://zhuanlan.zhihu.com/p/23006190?refer=xiaoleimlnote
• https://blog.csdn.net/WoPawn/article/details/52133338
• https://blog.csdn.net/gentelyang/article/details/80469553

Fast R-CNN

Fast R-CNN 主要在SSP-Net上改进

• 卷积不再是对每个region proposal进行，而是直接对整张图像，这样减少了很多重复计算
• 用ROI pooling进行特征的尺寸变换，
• 将regressor放进网络一起训练，每个类别对应一个regressor，同时用softmax代替原来的SVM分类器

• 从上图可以看出，输入的图片会分成两路，一路进行FCN全卷积(基于VGG16)生成feature map ，一路和RCNN一样利用SS选取region proposals，两者一起进入ROI pooling,这里需要将region proposals的尺度转换成feature map的大小。之后进去两层全连接，之后进入分类层和定位层

【参考文章】

• https://blog.csdn.net/u011501388/article/details/81031780
• https://blog.csdn.net/donkey_1993/article/details/81904726

mAP(Mean Average Precision)

Faster R-CNN

Faster R-CNN 在fast R-CNN上的改进 faster R-CNN=RPN+fast R-CNN

• 改进region proposal候选区域的选取方式，产生 RPN层（区域生成网络Region Proposal Networks）

RPN详细理解

• 首先将卷积后的特征图feature map映射回原始图像, 每个映射都对应不同尺度窗口bounding box
• 根据bbox与真实框ground truth的交并比IOU，给bbox标记正负样本标签

【参考文章】

• https://zhuanlan.zhihu.com/p/24916624
• https://blog.csdn.net/WYXHAHAHA123/article/details/88535902
• https://blog.csdn.net/Lin_xiaoyi/article/details/78214874

RCNN + Fast RCNN + Faster RCNN

原文：https://www.cnblogs.com/wangxiaobei2019/p/13330491.html