【CV 目标检测】Fast RCNN模型③——模型训练/预测

（2）模型训练

R-CNN中的特征提取和检测部分是分开进行的，Fast R-CNN提出一个高效的训练办法：多任务训练
Fast R-CNN有两种输出：

1. 一部分输出在K+1个类别上的离散概率分布（每个候选区域），$p=(p_0,p_1,\dots ,p_k)$。通常，通过全连接层的K+1个输出上的Softmax来计算概率值
2. 另一部分输出对于由K个类别中的每一个检测框回归偏移，$t^k=(t_x^k,t_y^k,t_w^k,t_h^k)$。其中$t_k$指定相对于候选框的尺寸不变转换和对数空间高度/宽度位移，与在RPN网络中是一样的
   将上面两个任务的损失函数放在一起：
   $L(p,u,t^u,v)=L_{cls}(p,u)+\lambda [u\ge 1]L_{Ioc(t^u,v)}$联合训练fast-RCNN网络。
   ● $p$：网络预测分类结果
   ● $u$：每个候选区有一个目标值，即$u$为类别的真实值
   ● $t^u$：每个候选框对应的框的真实值
   ● $v$：网络预测出来的结果
   ● $u\ge 1$：只用类别不是背景的，才会计算回归损失

（3）模型预测

● 输入图像

● 图像被送入到卷积网络进行特征提取，将通过选择性搜索获取的候选区域映射到特征图中

● 在特征图上Rol中应用RolPooling，获取尺寸相同的特征向量

● 将这些区域传递到全连接的网络中进行分类和回归，得到目标检测的结果

（4）模型总结

Fast R-CNN是对R-CNN模型的一种改进：

1. CNN网络不再是对每个候选区域进行特征提取，而是直接对整张图像进行出路，这样减少了很多重复计算
2. 用ROI Pooling进行特征的尺寸变换，来满足FC全连接层对输入数据尺度的要求
3. 将目标的回归和分类统一在一个网络中，使用FC+softmax进行目标分类，使用FC layer进行目标框的回归
   在Fast R-CNN中使用的目标检测识别网络，在速度和精度上都有了不错的结果。但是，其候选区域提取方法耗时较长，而且和目标检测网络是分离的，并不是端到端的。因此，在2016年又提出了Faster R-CNN模型用于目标检测