Faster R CNN模型

Faster R-CNN 是目标检测领域的 里程碑式两阶段模型（2015），首次把 Region Proposal Network（RPN） 和 检测网络 端到端地联合训练，真正实现了“实时 + 高精度”通用检测框架。下面用“一张总图 + 四条流水线 + 2025 工业落地要点”一次讲清，复制即可用。

---

一、总体流水线（记住这张图）

复制

输入图像
├─ ① Conv Backbone (VGG/ResNet/Swin-T...)
│   └─ 特征图 F (H/16 × W/16 × C)
├─ ② Region Proposal Network (RPN)
│   ├─ 3×3 卷积 → 256-d
│   ├─ 分类头：object or not (1×1 conv)
│   └─ 回归头：dx, dy, dw, dh (1×1 conv)
│       └─ 生成 ~20k anchors → 2k proposals
├─ ③ RoI Pooling / Align
│   └─ 把 2k  proposals 统一成 7×7 特征图
└─ ④ Detection Head (Fast R-CNN)
    ├─ 分类：N+1 类（含背景）
    └─ 回归：N×4 精修框

 

---

二、四大核心组件（2025 视角）

表格

复制

组件	2015 原始	2025 工业常用升级
Backbone	VGG16	ResNet50-FPN / Swin-T-FPN / EfficientNet-B3
Anchor	3 scales × 3 ratios	5-7 scales + 自适应锚 / 无锚（FCOS-like）
RoI 采样	RoI Pool (量化)→ 对齐误差	RoI Align（双线性插值，无量化）
Head	2-fc	Cascade 3-stage + IoU-aware + DCNv3

---

三、关键公式（面试常问）

1. Anchor 生成
   复制

   scale = [8, 16, 32] × stride(=16) → [128, 256, 512] px
   ratio = [0.5, 1, 2]

    
2. RPN 损失
   L = L_cls(logits, labels) + λ L_reg(t, t*)
    
   • 正样本：IoU>0.7；负样本：IoU<0.3；其余弃用。
3. RoI Align 网格
   复制

   bin_size = roi_h / 7
   采样 4 点双线性插值 → 无量化误差

    

---

四、2025 工业落地“四件套”

表格

复制

场景	推荐配置	理由
通用检测	Res50-FPN + RoI Align + Cascade	COCO 42% AP，显存 6G，速度 18 FPS
小目标	Swin-T-FPN + 锚框密度×2	AP_s↑3%，窗口注意力全局上下文
实时检测	EfficientNet-B3-FPN + INT8	TensorRT 加速，30 FPS，AP 40%
低质量图纸	Backbone 前插 Real-ESRGAN + Cascade	模糊图 recall↑11%，人工复核↓92%

---

五、快速体验（MMDetection 一行命令）

bash

复制

# 安装
pip install mmdet mmcv-full

# 推理单张
python demo/image_demo.py demo.jpg \
       configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py \
       checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth

 

---

六、面试金句

“Faster R-CNN = RPN 生成候选框 + RoI Align 统一尺寸 + 分类/回归头精修；
它是 两阶段检测奠基者，2025 年工业仍用其骨架，只是 backbone、neck、head 全部升级。”