R-CNN缺点
- 训练是个multi-stage pipeline(CNN提取特征、通过log loss 微调网络、训练SVMs、bounding-box regression)
- 训练费时间和空间
- 目标检测很慢
SPPnet 缺点
- 训练是个multi-stage pipeline(CNN提取特征、通过log loss 微调网络、训练SVMs、bounding-box regression)
- 不同于R-CNN，微调算法不能更新空间金字塔池化层前面的卷积层
Fast R-CNN优点
- 高的监测质量（准确率+速度）
- 训练是single-stage，采用一个多任务损失multi-task loss
- 训练可以更新网络的所有层
- 不需要将提取的特征写入硬盘中，节省空间
Fast R-CNN算法流程
- 输入图片和（2000左右个）RoI（最开始提取出的RoI区域只是为了最后的Bounding box regression时使用，用来输出原图中的位置。）
- 对图片用CNN进行处理
- 通过selective search算法在feature map上寻找region proposal
- 对每个候选区域采用RoI pooling，提取出固定长度的特征向量，并送入后面全连接层
- softmax层用于判断属于每个类别的概率，bounding box regression用于微调每个目标的边界框
一些细节说明
- RoI pooling layer 其实是 spatial pyramid pooling layer的特例，即只采用一层金字塔等级。
- RoI pooling 输出的尺寸H*W是个超参数，与RoI（候选区域）的大小无关。H和W的数值根据所用CNN网络的第一层全连接层确定,（如VGG16采用H=W=7）
- bounding box regression输出是四元元组（r,c,h,w）,其中（r,c）为左上角点坐标，h,w为长和宽，共输出4*K个数值（K为类别数）
- softmax输出K+1个概率值（K个类别+背景）
用预训练好网络初始化Fast R-CNN（迁移学习）需方法
-
用RoI pooling layer代替原网络最后一层最大池化层
-
原网络最后一层全连接层和softmax层被上述的softmax和BB Regression代替
-
将原网络调整为接受两种输入：batch个图片以及这些图片的RoIs