【CV 目标检测】Fast RCNN模型②——算法流程

Fast RCNN 算法流程

(1）算法流程

1. 候选区域生成：使用选择性搜索的方法找出图片中可能存在目标的候选区域，只需要后续按区域的位置信息
2. CNN网络特征提取：将整张图像输入到CNN网络中，得到整幅图的特征图，并将上一步获取的候选区域位置从原图映射到该特征图上
3. ROIpooling：对于每个特征图上候选框，ROIpooling层从特征图中提取固定长度的特征向量，每个特征向量被送入一系列全连接层（fc）中
4. 目标检测：分两部分完成，一个输出各类别加上1个背景类别的Softmax概率估计，另一个为各类别的每一个类别输出四个实数值，来确定目标的位置信息。

A、候选区域生成

同RCNN中一样

B、CNN网络特征提取

与RCNN中一样，使用预训练模型进行特征提取

C、ROI Pooling

候选区域从原图映射到特征图中后，进行ROIpooling的计算

ROI Pooling层使用最大池化将输入的特征图中的任意区域（候选区域对应的区域）内的特征转化为固定的$H\times W$的特征图，其中$H$和$W$是超参数。对于任意输入的$h\times w$的候选区域，将其分割为$H\times W$的子网格，每个网格的大小为：$(\frac{h}{H})\times (\frac{w}{W})$，取每个子网格中的最大值，送入后续网络中进行处理

使用ROI Pooling层替换预训练网络中最后的池化层，并将超参$H，W$设置为和网络第一个全连接兼容的值，例如VGG6，设H= W= 7

D、目标分类和回归
（最后一个全连接层）
原网络的最后一个全连接层替换为两个同级层（分类任务和回归任务）：K+1个类别的SoftMax分类层和边框的回归层
● K：VOC数据集中为20；COCO数据集中为80
● +1：多了一个背景层

上面红框中的为同一个FC层（边框的回归层实现——输出四个实数值，用来确定位置信息）