目录

1. 关于 R-CNN 的缺点

2. Fast R-CNN

3. Fast R-CNN 算法的流程

3.1 CNN 特征提取

3.2 ROI pooling

3.3 Fast R-CNN 的输出

3.4 损失函数

4. Fast R-CNN的不足

1. 关于 R-CNN 的缺点

RCNN算法流程如下

RCNN算法分为四个步骤：

1. SS 算法生成2000个候选框
2. 将2000个候选框送入CNN特征提取网络，生成2000*4096个特征向量
3. 将2000*4096特征送入SVM分类器进行训练分类
4. 通过回归器对最后的候选框进行微调

从上述可以发现，RCNN的训练是多阶段的：CNN网络+SVM分类器+边界框回归器

这样的训练在时间和空间上都是昂贵的

时间上，例如CNN特征提取需要SS算法产生2000个候选框才能工作，无法并行化

空间上，例如SVM需要的输入是CNN产生的2000*4096的特征，需要保存这些，所以浪费磁盘内存

2. Fast R-CNN

Fast R-CNN 算法分为三个阶段：

首先，通过SS算法生成候选框。

然后，Fast R-CNN网络的输入是：整个图像+候选框。经过CNN网络提取特征，将候选框映射到CNN提取的特征上。

最后，将特征矩阵通过ROI pooling缩放成7*7大小的特征图，所以这里图像的输入是不需要固定大小的

Fast R-CNN 最后的输出有两个：分类的类别+边界框回归器

RCNN的分类SVM和回归器是单独训练的，而Fast R-CNN是一起训练的

3. Fast R-CNN 算法的流程

Fast R-CNN 算法流程，其中的SS候选框生成和RCNN一样，这里不再介绍

3.1 CNN 特征提取

Fast R-CNN 的特征提取CNN网络是将原图和候选框作为输入

CNN网络只需要在原图进行特征提取，然后通过候选框和原图的位置关系映射到CNN提取的特征上

R-CNN是将2000个候选框全部送入CNN网络，不仅复杂，且较多重复的图像被运算

3.2 ROI pooling

ROI Pooling是将CNN提取的特征划分为7*7大小的区域，每一个区域作最大池化下采样

这样输入图像的尺寸就不需要限制了

3.3 Fast R-CNN 的输出

Fast R-CNN 输出有两个：分类的类别+边界框回归器

如下是fc经过softmax的类别分类

如下为边界框回归器

3.4 损失函数

损失函数：分类损失+边界框回归器损失

其中，分类损失就是多分类任务的损失，采用交叉熵损失

边界框回归器损失：其中艾佛森括号u>=1 为1，否则为0

smooth是为了防止梯度消失或者梯度爆炸

当预测框与真实框差别过大时，梯度值不会太大 （+1，-1）

当预测框与真实框差别过小时，梯度值足够小，有利于反向传播 （x）

4. Fast R-CNN的不足

Fast R-CNN 分为两个阶段，虽然大幅度提升了速度，但是SS算法生成的候选框运算也很长(2s左右)，而后面的分类+特征提取的运行时间很短(0.1s的数量级)

所以SS算法成为了Fast R-CNN的短板