目标检测之Faster-rcnn

本文基于 chenyuntc/simple-faster-rcnn-pytorch: A simplified implemention of Faster R-CNN that replicate performance from origin paper (github.com) 项目写理解

1.摘要核心

候选区域提取是已有检测方法实时性低的主要瓶颈；提出了候选区域网络，通过共享特征，提取候选区域，极大提升了计算效率，可以进行端到端训练；Fast RCNN和VGG通过迭代优化可以实现特征共享；Faster RCNN是一个实时系统。

2.数据流：

•  conv layers传入图像，生成Feature maps；
• 通过RPN层，输出每个点对应不同大小候选框（anchors）的背景判别得分和初步的坐标框预测值；
• 将正样本映射回feature maps上的区域并截取出来；
• 对截取出来的不同区域（大小可能不同）进行ROI Pooling，使其获得固定尺寸输出；
• 最后通过classifier对ROI Poolling的结果进行类别判断和坐标框预测；

3.两个关键点：

RPN

ROI pooling

• 产生大量的region proposals 会导致performance problems，很难达到实时目标检测。
• 在处理速度方面是suboptimal。
• 无法做到end-to-end training。

这就是ROI pooling提出的根本原因，ROI pooling层能实现training和testing的显著加速，并提高检测accuracy。该层有两个输入：

1. 从具有多个卷积核池化的深度网络中获得的固定大小的feature maps；
2. 一个表示所有ROI的N*5的矩阵，其中N表示ROI的数目。第一列表示图像index，其余四列表示其余的左上角和右下角坐标；

ROI pooling具体操作如下：

1. 根据输入image，将ROI映射到feature map对应位置；
2. 将映射后的区域划分为相同大小的sections（sections数量与输出的维度相同）；
3. 对每个sections进行max pooling操作；

这样我们就可以从不同大小的方框得到固定大小的相应的feature maps。值得一提的是，输出的feature maps的大小不取决于ROI和卷积feature maps大小。ROI pooling 最大的好处就在于极大地提高了处理速度。

ROI Pooling 就是将大小不同的feature map 池化成大小相同的feature map，利于输出到下一层网络中。

 

 

 

作业内容：

【思考题】理解Anchors在faster RCNN是如何设置的？

anchors 指的是在原图上生成的所有候选框。由于一张图中需要检测到的目标可能大小不同、位置不同，所以我们需要位置、大小和长宽比各不相同的anchors 在原图上选出候选区域，再判断这些候选区域是否为物体，以及与真值框（真实坐标）的偏移量。anchor生成的比例为1:1,1:2,2:1，面积分别设置为128²，256²，512².一共九个。

【代码实现】参考notebook代码，了解怎么调用在feature map上生成anchors。

【总结】总结RPN的关键技术以及如何代码实现。

 

 

 

 

参考：(23条消息) ROI Pooling原理及实现_Elag的专栏-CSDN博客

(23条消息) 【目标检测】Faster R-CNN原理详解_梁瑛平的博客-CSDN博客

 (64条消息) 逐字理解目标检测simple-faster-rcnn-pytorch-master代码（一）_Chan_Zeng的博客-CSDN博客