通過提取區域推薦然後進行目標檢測與分類算法系列已經歷經三代。本文將從思想層面依次介紹其核心思想和演變歷程。將抽象的模型算法拆解成可以通俗理解的概念。理解算法思路在看公式才能讀懂。
R-CNN（爺爺輩）
2014年R-CNN框架將卷積應用到目標檢測。
步驟：
- 原始圖片進入模型後使用selective method算法生成2000個候選區域，本質上意思是對原圖進行摳圖，生成可能出現物體的區域。
- 將2000個候選區域傳入卷積模型提取特徵。
- 提取特徵後利用SVM進行物體分類，使用迴歸進行位置預測。
缺點：
- 2000個候選框都進行了一次卷積核SVM分類器，等於進行了多次卷積核分類，運算量大。
- selective method算法速度慢，耗時大。
R-CNN算法
Fast R-CNN（爸爸輩）
Fast R-CNN本質上只經過一個卷積模型進行特徵提取。解決了R-CNN出現的缺點1，減少卷積次數。對feature map進行摳圖，進行了共享卷積特徵。
步驟：
- 原始圖片經過卷積層提取特徵，生成feature map。
- 對feature map使用selective method算法，生成候選區域。
- 由於生成的候選區域尺寸不一樣，經過ROI Pooling層將候選區域歸整成同樣尺寸。
- 使用softmax代替svm進行分類。使用迴歸進行位置預測。
Fast R-CNN
Faster R-CNN（真身）
Faster R-CNN祖輩的最大區別是使用RPN（Region Proposal Network）代替了耗時的Selective method。
步驟：
- 輸入圖片經過VGG或者其他CNN網絡進行特徵提取，生成相應的feature map。
- feature map經過RPN網絡，feature map每個點生成9個Anchor box.
- 使用Anchor box作為參照物，計算偏移，然進行預測。
- 每個點，分類方面得到2k scores 用於判斷是否有無物體。
- 每個點，位置預測方面有4k coordinates 用於判斷位置。
- 上文的k是指9，即Anchor box種類。
- Rol pooling層將提取的proposal region變形成同樣尺寸。接著過濾無意義的候選框。
- RPN提取的候選框+前文的feature map判斷每個候選框的物體是什麼，本質上是判斷是否進行了有效摳圖，
- 最後經過全連接層進行分類，並且迴歸目標位置。
Faster R-CNN
分享到:
閱讀更多 技術信仰 的文章
