Fast RCNN

基本介绍

Fast RCNN应该是启发于ROI以及RCNN对SPP-Net以及R-CNN的优化。

其主要的贡献点主要有两个方面，一方面是实现了大部分的端对端训练(提取proposal 阶段除外), 其将所有的特征都暂存在显存中，不需要额外的空间(将SVM分类和bounding box回归都整合到了CNN阶段进行训练)；另外一方面提出了一个RoI层，实际上该层应该是SPP的变种，区别是SPP中是pooling成多个固定尺度，而RoI只pooling到单个固定的尺度(论文通过实验得到的结论是多尺度学习能够提高一点mAP，但是计算量成倍增加，因此选择单尺度训练)。

SPP-Net， R-CNN， Fast R-CNN网络结构对比

通过SPP-Net与RCNN网络之间的对比我们可以看到，两者都是四阶段完成的，SPP-Net对于R-CNN的最大改进是前者将一张图片仅仅使用了一次卷积，而不是2000多个bounding box分别就进行卷积。其实现的关键是引入了SPP层，一方面实现了feature map向原图感知野的映射，另外一方面实现的全连接网络feature map的尺度控制。

接着来看一下Fast R-CNN：

一方面其也仅仅需要对于一张图训练一次，另外一方面将softmax分类与bounding box回归这两个任务融合到了一个损失函数之中。

使用softmax回归而不是svm的原因： 论文通过对比试验说明SVM相对于softmax回归的优势并不明显，因此直接用softmax回归将整个网络整合训练更好：同时利用了分类的监督信息和回归的监督信息，使得网络训练更加鲁棒，通过这两种信息的联合，效果更好。

RoI Pooling

与SPP的目的相同：如何把不同尺寸的ROI映射为固定大小的特征。ROI就是特殊的SPP，只不过它没有考虑多个空间尺度，只用单个尺度。

关于ROI Pooling 的细节可以参考： ROI Pooling层解析

Bounding-box Regression

在Fast R-CNN中，有两个输出层，一个是针对每个ROI的分类概率p = (p0, … , pK)，第二个是针对每个ROI区域坐标的偏移优化。 k是多类检测的类别序号。

以下着重进行坐标偏移优化的讲解。

假设对于类别k*, 在图片中标注了一个ground truth坐标： ， 而预测值为t(形式与上述相同)，两者理论上越接近越好，此处定义损失函数：

其中x是两t对应的坐标的差距。形式如上，论文中表示这种形式可以增强模型对异常数据的鲁棒性。

Fast R-CNN是R-CNN向Faster R-CNN的过渡，更多的细节将在Faster R-CNN中进行讲解。

The End.