目标检测相关资料整理 4

一、 RCNN

论文：《Rich feature hierarchies for accurate object detection and semantic segmentation》

论文地址：http://www.cs.berkeley.edu/~rbg/#girshick2014rcnn

项目地址：https://github.com/rbgirshick/rcnn

论文翻译：https://www.cnblogs.com/xiaotongtt/p/6691103.html

R-CNN可以说是利用深度学习进行目标检测的开山之作。作者Ross Girshick多次在PASCAL VOC的目标检测竞赛中折桂，曾在2010年带领团队获得终身成就奖。

网络中的亮点：

R-CNN概括起来就是selective search+CNN+L-SVM的检测器

1       用selective search代替传统的滑动窗口，提取出2k个候选region proposal

2       对于每个region，用摘掉了最后一层softmax层的AlexNet来提取特征

3       训练出来K个L-SVM作为分类器(每个目标类一个SVM分类器，K目标类个数)，使用AlexNet提取出来的特征作为输出，得到每个region属于某一类的得分。

4       最后对每个类别用NMS(non-maximum-suppression)来舍弃掉一部分region，得到detection的结果(对得到的结果做针对boundingbox回归，用来修正预测的boundingbox的位置)。

网络结构：

 

 

综述：

Ross Girshick（2014）利用selective search方法、深度网络、L-SVM和NMS方法，构建RCNN网络。实现了mAP的大幅度改进，从35.1％到43.5％的mAP，同时也快得多，在VOC 2011/12测试中达到类似的性能，mAP为43.2％。

二、 Fast-RCNN

论文：《Fast R-CNN》

http://www.cvfoundation.org/openaccess/content_iccv_2015/papers/Girshick_Fast_R-CNN_ICCV_2015_paper.pdf

Fast R-CNN是作者Ross Girshick继R-CNN后的又一力作。同样使用VGG16作为网络的backbone，与R-CNN相比训练时间快9倍，测试推理时间快213倍，准确率从62%提升至66%(再Pascal VOC数据集上)。

R-CNN存在以下几个问题：1、训练繁琐。2、时间和内存消耗比较大。3、测试的时候较慢。

网络中的亮点：

1       一张图像生成1K~2K个候选区域(使用Selective Search方法)

2       将图像输入网络得到相应的特征图，将SS算法生成的候选框投影到特征图上获得相应的特征矩阵

3       将每个特征矩阵通过ROI pooling层缩放到7x7大小的特征图，接着将特征图展平通过一系列全连接层得到预测结果

网络结构：

  

综述：

Ross Girshick（2015）利用ROI pooling层和边界框回归器，对RCNN进行优化，提出Fast-RCNN网络，基于VGG16的Fast RCNN算法在训练速度上比RCNN快了将近9倍，比SPPnet快大概3倍；测试速度比RCNN快了213倍，比SPPnet快了10倍，在VOC2012上的mAP在66%左右。

三、 Faster-RCNN

论文：《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》

论文：https://arxiv.org/abs/1506.01497

Faster R-CNN是作者Ross Girshick继Fast R-CNN后的又一力作。同样使用VGG16作为网络的backbone，推理速度在GPU上达到5fps(包括候选区域的生成)，准确率也有进一步的提升。在2015年的ILSVRC以及COCO竞赛中获得多个项目的第一名。

网络中的亮点：

1. 将图像输入网络得到相应的特征图。
2. 使用RPN结构生成候选框，将RPN生成的候选框投影到特征图上获得相应的特征矩阵。
3. 将每个特征矩阵通过ROI pooling层缩放到7x7大小的特征图，接着将特征图展平通过一系列全连接层得到预测结果.

网络结构：

综述：

Shaoqing Ren（2016）运用RPN结构对Fast R-CNN进行优化，提出了Faster R-CNN框架，使用VGG16作为网络的backbone，推理速度在GPU上达到5fps(包括候选区域的生成)，准确率也有进一步的提升。