R-CNN, Fast R-CNN, Faster R-CNN

R-CNN, Fast R-CNN, Faster R-CNN

今年四月份的时候,在一个研究院实习时学习了RCNN, Fast RCNN, Faster RCNN系列Object Detection框架,现在总结一下。

一. R-CNN(Regions with CNN features)

1.1 框架结构

rcnn

论文中提到:

Our object detection system consists of three modules. 
The first generates category-independent region proposals. These proposals define the set of candidate detections available to our detector. 
The second module is a large convolutional neural network that extracts a fixed-length feature vector from each region.
The third module is a set of class specific linear SVMs.
Bounding-box Regression
Based on the error analysis, we implemented a simple method to reduce localization errors. Inspired by the bounding-box regression employed in DPM, we train a linear regression model to predict a new detection window given the pool5features for a selective search region proposal.

我们便知道R-CNN由三个部分组成:

  1. 提取Region Proposals的模块;
  2. 提取特征向量的卷积神经网络;
  3. 线性SVM分类器, bouding-box回归(用于物体的定位).

1.2 神经网络结构

rcnn-net

神经网络的输入为依靠selective search方法提取region proposal后经过warped region调整大小, 然后经过5层卷积和2层全连接层,输出结果一方面送入SVM分类,另一方面送去Bounding-box回归.

二. SPP-net(Spatial Pyramid Pooling, 空间金字塔池化层)

2.1 提出背景

spp-1
Existing deep convolutional neural networks (CNNs) require a fixed-size (e.g., 224*224) input image. This requirement is “artificial” and may reduce the recognition accuracy for the images or sub-images of an arbitrary size/scale. In this work, we equip the networks with another pooling strategy, “spatial pyramid pooling”, to eliminate the above requirement.

在说到Fast R-CNN之前, 先提一下SPP-net. 如论文所说, 由于其他网络比如R-CNN的region proposal需要先经过warped region调整成固定大小, 适用性不是很好, 因此SPP-net提出了一种不限制输入大小的网络.

2.2 实现方式

spp-2

输入的图像(无论大小), 先经过卷积神经网络, 网络结果经过选择的3个filter(此处选取的是16, 4, 1)做pooling, 三个输出首尾连接形成固定长度的输出. 至此解决了输入图像大小限制的问题.

三. Fast R-CNN

3.1 框架结构

fast-rcnn-1
A Fast R-CNN network takes as input an entire image and a set of object proposals. 
The network first processes the whole image with several convolutional (conv) and max pooling layers to produce a conv feature map. Then, for each object proposal a region of interest (RoI) pooling layer extracts a fixed-length feature vector from the feature map. Each feature vector is fed into a sequence of fully connected (fc) layers that finally branch into two sibling output layers: one that produces softmax probability estimates over K object classes plus a catch-all “background” class and another layer that outputs four real-valued numbers for each of the K object classes. Each set of 4 values encodes refined bounding-box positions for one of the K classes.

首先selective search提取出的region proposal输入卷积神经网络, 得到的feature map输入RoI pooling层, 提取出一段固定长度的特征向量, 一方面输入softmax层估计物体概率, 另一方面输入Bounding-box回归层.

The RoI layer is simply the special-case of the spatial pyramid pooling layer used in SPPnets in which there is only one pyramid level.

如论文中所提及, RoI层实际上就是SPP-net的一种情况.

3.2 网络结构(VGG16为例)

fast-rcnn-2

四. Faster R-CNN

4.1 框架结构

faster-rcnn-1
Our object detection system, called Faster R-CNN, is composed of two modules.
The first module is a deep fully convolutional network that proposes regions, and the second module is the Fast R-CNN detector that uses the proposed regions.
The entire system is a single, unified network for object detection (Figure 2).

图像输入神经网络后得到feature map, 在进入RoI pooling之前, 先经过一个RPN层(下一点提到), 然后将得到的region proposal和feature map一起输入RoI pooling层, 后续与Fast R-CNN一致.

4.2 RPN层(Region Proposal Network)

faster-rcnn-2
A Region Proposal Network (RPN) takes an image (of any size) as input and outputs a set of rectangular object proposals, each with an objectness score.

RPN层替代了原来的selective search方法来提取region proposal, 提出anchor box的概念, 通过sliding window的移动和选取k个不同比例的anchor box, 最后得到2k个是否为target的分数和4k个物体坐标.(这里的2指的是target/not a target, 4指的是坐标x/y/w/h)

4.3 网络结构

faster-rcnn-net

五. 总结

conclusion
  • Fast R-CNN 通过RoI pooling层将R-CNN后面SVM分类与Bounding-box回归做入到神经网络中;
  • Faster R-CNN 通过RPN层将Fast R-CNN前面的region proposal提取层整合入神经网络中, 实现End-to-End.

References

[1] Ross Girshick, Jeff Donahue, Trevor Darrell, Jitendra Malik. (2014). Rich feature hierarchies for accurate object detection and semantic segmentation.

[2] Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun. (2014). Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition.

[3] Ross Girshick. (2015). Fast R-CNN.

[4] Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Sun. (2016). Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks.


©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,265评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,078评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,852评论 0 347
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,408评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,445评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,772评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,921评论 3 406
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,688评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,130评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,467评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,617评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,276评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,882评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,740评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,967评论 1 265
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,315评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,486评论 2 348

推荐阅读更多精彩内容