Fast-RCNN阅读笔记

2015年提出的 Fast R-CNN 主要贡献是加速和简化 R-CNN。
R-CNN因为下述原因运行很慢：
1，为每幅图像提取候选区域（selective search），得到平均约2000个候选区域，那么前向传播的过程就需要运行平均约2000次；
2， 它必须分别训练三个不同的模型 - CNN 生成图像特征，预测类别的分类器SVM和收紧边界框的回归模型。这使得整个流水线（pipeline）难以训练。

2015 年，R-CNN 的第一作者 Ross Girshick 解决了这两个问题，并创造了第二个算法——Fast R-CNN。下面是其主要思想。
（1）ROIPool
可以看成是只含一层的SPP！！！

对于 CNN 的前向传递，Girshick 意识到，对于每个图像，很多提出的图像区域总是相互重叠，使得我们一遍又一遍地重复进行 CNN 计算（大约 2000 次！）。他的想法很简单：为什么不让每个图像只运行一次 CNN，然后找到一种在 2000 个提案中共享计算的方法？

这正是 Fast R-CNN 使用被称为 RoIPool（兴趣区域池化）的技术所完成的事情。其要点在于，RoIPool 分享了 CNN 在图像子区域的前向传递。在上图中，请注意如何通过从 CNN 的特征映射选择相应的区域来获取每个区域的 CNN 特征。然后，每个区域的特征简单地池化（通常使用最大池化（Max Pooling））。所以我们所需要的是原始图像的一次传递，而非大约 2000 次！
（2）a united network
使用一个网络完成特征提取，分类，边界回归等任务，如下图所示：

原来的候选框提取被ROIPool替换，SVM分类被softmax替换，紧缩边界框还是使用原来的线性回归，这样，所有需要的输出均来自一个单一网络！

相较与RCNN和SPP-net，它的亮点在于：

1）MAP相较于RCNN也有很大的提高；

2）训练过程通过运用多任务损失，实现单个网络完成；

3）在训练过程中所有层都可以得到更新；

4）不再需要磁盘存储器作为特征缓存；

5） 比RCNN的训练时间快9倍，测试时间快213倍，在 PASCAL VOC 2012上获得MAP也更高.。和SPPnet相比，训练时间快3倍，测试时间快10倍，MAP也有提升。

如下博客很有参看价值：
http://www.w2bc.com/article/120530