基於DL的目標檢測技術：R-CNN、Fast R-CNN、Faster R-CNN
阿新 • • 發佈：2018-11-27
目標檢測：在給定的圖片中精確找到物體所在位置，並標註出物體的類別。
目標檢測=影象識別（CNN）+定位（迴歸問題/取影象視窗）
遇到多物體識別+定位多個物體？
用選擇性搜尋找出可能含有物體的框（候選框）判定得分。這些框之間是可以互相重疊互相包含的，從而避免暴力列舉的所有框了。
1.R-CNN
步驟一：訓練（或者下載）一個分類模型（比如AlexNet）
步驟二：對該模型做fine-tuning
- 修改分類數
- 去掉最後一個全連線層
步驟三：特徵提取
- 提取影象的所有候選框（選擇性搜尋）
- 對於每一個區域：修正區域大小以適合CNN的輸入，做一次前向運算，將第五個池化層的輸出（就是對候選框提取到的特徵）存到硬碟
步驟四：訓練一個SVM分類器（二分類）來判斷這個候選框裡物體的類別
- 每個類別對應一個SVM，判斷是不是屬於這個類別，是就是正類，反之負類
步驟五：訓練一個迴歸器精細修正候選框位置：對於每一個類，訓練一個線性迴歸模型去判定這個框是否框得完美。
速度瓶頸
計算機對所有候選框進行特徵提取時會有重複計算。
2.Fast R-CNN
在RCNN的基礎上採納了SPP Net方法（空間金字塔池化）
- 整張圖輸入CNN提取一次特徵
- 找出每個候選框在feature map上的對映patch
速度瓶頸
選擇性搜尋，找出所有的候選框這個過程也耗時
3.Faster R-CNN
在Fast R-CNN的基礎上加入一個提取候選區域的網路RPN(Region Proposal Network)，代替了費時的選擇性搜尋，使得檢測速度大幅提高。
具體做法
- 將RPN放在CNN最後一個卷積層的後面
- RPN直接訓練得到候選區域
RPN簡介
- 本質是 “ 基於滑窗的無類別目標檢測器 ” :
- 在feature map上滑動視窗產生錨點
- 建立一個神經網路用於物體分類+框位置的迴歸
- 滑動視窗的位置提供了物體的大體位置資訊
- 框位置的迴歸提供了框更精確的位置