阅读论文（6）Fast R-CNN

arxiv：1504.08083

参考

FastRCNN_哔哩哔哩_bilibili

44 物体检测算法：R-CNN，SSD，YOLO【动手学深度学习v2】_哔哩哔哩_bilibili

初读

R-CNN首次提出将CNN应用于目标检测领域，SPPNet提出SPP layer，提升了R-CNN的速度。但两者有共同的不足之处，都需要多阶段的处理

1. 选取候选框（proposals）
2. 将候选框送入CNN提取特征
3. 将提取的特征送入SVMs进行分类
4. 进行Bounding-box regression，微调定位框

Fast R-CNN在运行速度上实现了对R-CNN和SPPNet的超越，模型准确率也有所提升，同时是单阶段的处理。

再读

Fast R-CNN架构如下图所示

提出了RoI池化层（region of interest pooling layer）

什么是RoI pooling？

给定一个锚框，将其均匀（近似，可能不能严格均匀）的分成nxm块，在每一块取一个最大值（max pooling）

，接受任意尺寸的输入，输出总是nxm

和SSP layer的区别，空间金字塔池化使用了多个尺寸分割，包括1x1,2x2,4x4，然后拼接起来。而RoI pooling只使用了一个尺寸nxm，相当于SPP layer的精简版本

框架

1. 使用SS（Selective Search）算法生成候选框（proposals）
2. 将原始图片输入CNN提取特征图，将候选框投影到特征图上获得特征矩阵
3. 将特征矩阵输入RoI pooling得到7x7的输出
4. 将7x7输出通过一系列全连接进行分类和bbox

与R-CNN和SSPNet的区别

• 将特征提取、分类、bbox作为一个整体（子网络），对应论文中提到的单阶段（single-stage）
• 相比于SPPNet，精简了空间金字塔池化层为RoI pooling层
• 使用全连接层和softmax进行后序分类和bbox，而之前使用的是SVMs