RCNN系列发展历程

news2024/11/25 0:50:44

1. RCNN

RCNN发表于CVPR 2014。是将深度学习应用于目标检测领域的开山之作，凭借卷积神经网络较之传统CV方法的强大特征提取能力，将PASCAL VOC数据集检测率从35.1%提升到53.7%。

RCNN的算法流程如下图所示，其过程主要分为4步：

生成候选区域。采用Region Proposal提取候选区域，使用Selective Search算法，先将图像分割成小区域，然后合并包含同一物体可能性高的区域并输出。RCNN在这一步需要提取2000个候选区域，并将每一个区域进行归一化处理，得到固定大小的图像。
CNN特征提取。将上述固定大小的图像，输入CNN得到固定维度的输出特征图。
SVM分类器。使用线性二分类器对上述输出特征进行分类，得到分类结果，并采用难样本挖掘来平衡正负样本的不平衡。
位置精修。使用一个回归器，对特征进行边界回归以得到更为精确的目标区域。

在这里插入图片描述

2. Fast RCNN

Fast RCNN发表于ICCV 2015。RCNN需要多步训练，步骤繁琐且训练速度慢。Fast RCNN实现了端到端的训练，基于VGG16网络，训练速度比RCNN快了近9倍，测试速度快了近213倍，在PASCAL VOC数据集检测率达到了68.4%。

Fast RCNN的算法流程如下图所示，与RCNN相比，主要有3点改进：

共享卷积。将整幅图像送入卷积网络中进行区域生成，而不是像RCNN那样一个个的候选区域。仍采用Selective Search方法，但共享卷积使得计算量大大减少。
RoI Pooling。利用特征池化（RoI Pooling）的方法进行特征尺度变换，这种方法保证了输入图像尺寸可以是任意大小的，使得训练过程更加灵活、准确。
多任务损失。将分类与回归网络放到一起训练，且为了避免SVM分类器带来的单独训练与速度慢的缺点，使用了Softmax函数进行分类。

在这里插入图片描述

3. Faster RCNN

Faster RCNN发表于NIPS 2015。该算法提出了RPN（Region Proposal Network）网络，利用Anchor机制将区域生成与卷积网络联系到一起，检测速度提升至17FPS（Frames Per Second），在PASCAL VOC2012测试集上达到70.4%的检测效果。

Faster RCNN的算法流程如下图所示，主要包括4部分：

特征提取网络。输入图像首先经过Backbone得到特征图。
RPN模块。区域生成模块，用来生成较好的建议框（Proposal），用到了强先验的Anchor，RPN包括5个子模块：
- Anchor生成。特征图上的每一个点都对应了9个Anchor，这9个Anchor大小宽高各不相同，对应到原图基本可以覆盖所有可能出现的物体。而RPN的任务就是从数量庞大的Anchors中筛选，并调整出更好的位置，得到Proposal。
- RPN网络。与上述Anchor对应，利用1×1的卷积在特征图上得到每一个Anchor的预测得分与预测偏移值。
- 计算RPN loss。这一步只在训练中，将所有的Anchor与标签（Ground Truth）进行匹配，匹配程度较好的Anchor赋予正样本，较差的赋予负样本，得到分类与偏移的真值，与第二步中预测得分与预测偏移值进行loss计算。
- 生成Proposal。利用上述每一个Anchor的预测得分与预测偏移值，进一步得到一组较好的Proposal，送入后续网络中。
- 筛选Proposal得到ROI。训练时生成了2000个Proposal，进一步筛选Proposal得到256个RoI。测试时，则不需要此模块，Proposal可直接作为RoI。
RoI Pooling模块。输入为Backbone提取的feature map和RPN生成的RoI，输出送入RCNN。由于RCNN使用了全连接网络，要求特征的维度固定，而每一个RoI对应的特征大小各不相同，因此RoI Pooling将RoI的特征池化到固定的维度，以便送入全连接网络。
RCNN模块。将RoI Pooling得到的特征送入全连接网络，预测每一个RoI的分类，并预测偏移量以精修边框位置，并计算损失值，完成整个Faster RCNN过程，RCNN模块包括3部分：
- RCNN全连接网络。将得到的固定维度的RoI特征送入全连接网络中，输出为RCNN部分的预测得分与预测回归偏移量。
- 计算RCNN的真值。对于筛选出的RoI，需要确定是正样本还是负样本，同时计算与对应真实物体的偏移量。在实际实现时，这一步往往与RPN最后筛选RoI放在一起。
- RCNN loss。通过RCNN的预测值与RoI部分的真值，计算分类与回归的loss。