RCNN系列、Fast-RCNN、Faster-RCNN、R-FCN檢測模型對比

一．RCNN

問題一：速度

經典的目標檢測算法使用滑動窗法依次判斷所有可能的區域。本文則預先提取一系列較可能是物體的候選區域，之后僅在這些候選區域上提取特征，進行判斷。

問題二：訓練集

經典的目標檢測算法在區域中提取人工設定的特征（Haar，HOG）。本文則需要訓練深度網絡進行特征提取。可供使用的有兩個數據庫：

一個較大的識別庫（ImageNet ILSVC 2012）：標定每張圖片中物體的類別。一千萬圖像，1000類。

一個較小的檢測庫（PASCAL VOC 2007）：標定每張圖片中，物體的類別和位置。一萬圖像，20類。

保證合并后形狀規則。

網絡分為四個部分：區域劃分、特征提取、區域分類、邊框回歸

區域劃分：使用selective search算法畫出2k個左右候選框，送入CNN

特征提取：使用imagenet上訓練好的模型，進行finetune

區域分類：從頭訓練一個SVM分類器，對CNN出來的特征向量進行分類

邊框回歸：使用線性回歸，對邊框坐標進行精修

優點：

ss算法比滑窗得到候選框高效一些；使用了神經網絡的結構，準確率比傳統檢測提高了。

缺點：

1、ss算法太耗時，每張圖片都分成2k，并全部送入CNN，計算量很大，訓練和inference時間長。

2、四個模塊基本是單獨訓練的，CNN使用預訓練模型finetune、SVM重頭訓練、邊框回歸重頭訓練。微調困難，可能有些有利于邊框回歸的特征并沒有被CNN保留。

二．Fast-RCNN

Fast RCNN方法解決了RCNN方法三個問題：

問題一：測試時速度慢

RCNN一張圖像內候選框之間大量重疊，提取特征操作冗余。

本文將整張圖像歸一化后直接送入深度網絡。在鄰接時，才加入候選框信息，在末尾的少數幾層處理每個候選框。

問題二：訓練時速度慢

原因同上。

在訓練時，本文先將一張圖像送入網絡，緊接著送入從這幅圖像上提取出的候選區域。這些候選區域的前幾層特征不需要再重復計算。

問題三：訓練所需空間大

RCNN中獨立的分類器和回歸器需要大量特征作為訓練樣本。

本文把類別判斷和位置精調統一用深度網絡實現，不再需要額外存儲。

相對RCNN，準確率和速度都提高了，具體做了以下改進：

1、依舊使用了selective search算法對原始圖片進行候選區域劃分，但送入CNN的是整張原始圖片，相當于對一張圖片只做一次特征提取，計算量明顯降低

2、在原圖上selective search算法畫出的候選區域對應到CNN后面輸出的feature map上，得到2k個左右的大小長寬比不一的候選區域，然后使用RoI pooling將這些候選區域resize到統一尺寸，繼續后續的運算

3、將邊框回歸融入到卷積網絡中，相當于CNN網絡出來后，接上兩個并行的全連接網絡，一個用于分類，一個用于邊框回歸，變成多任務卷積網絡訓練。這一改進，相當于除了selective search外，剩余的屬于端到端，網絡一起訓練可以更好的使對于分類和回歸有利的特征被保留下來

4、分類器從SVM改為softmax，回歸使用平滑L1損失。

缺點：因為有selective search，所以還是太慢了，一張圖片inference需要3s左右，其中2s多耗費在ss上，且整個網絡不是端到端。

三．Faster-RCNN

從RCNN到fast RCNN，再到本文的faster RCNN，目標檢測的四個基本步驟（候選區域生成，特征提取，分類，位置精修）終于被統一到一個深度網絡框架之內。所有計算沒有重復，完全在GPU中完成，大大提高了運行速度。

引入RPN，Faster-RCNN相當于Fast-RCNN+RPN，準確率和速度進一步提高，主要做了以下改進：

1、移除selective search算法，還是整張原始圖片輸入CNN進行特征提取，在CNN后面的卷積不再使用ss算法映射過來的候選區域，而是采用新的網絡RPN，使用神經網絡自動進行候選區域劃分。

2、RPN通過生成錨點，以每個錨點為中心，畫出9個不同長寬比的框，作為候選區域，然后對這些候選區域進行初步判斷和篩選，看里面是否包含物體（與groundtruth對比IoU，大于0.7的為前景，小于0.3的為背景，中間的丟棄），若沒有就刪除，減少了不必要的計算。

3、有效的候選區域（置信度排序后選取大概前300個左右）進行RoI pooling后送入分類和邊框回歸網絡。

優點：端到端網絡，整體進行優化訓練；使用神經網絡自動生成的候選區域對結果更有利，比ss算法好；過濾了一些無效候選區，較少了冗余計算，提升了速度。

RPN訓練：

1、加載預訓練模型，訓練RPN。

2、訓練fast-rcnn，使用的候選區域是RPN的輸出結果，然后進行后續的bb的回歸和分類。

3、再訓練RPN，但固定網絡公共的參數，只更新RPN自己的參數。

4、根據RPN，對fast-rcnn進行微調訓練。

四．R-FCN

一個base的conv網絡如ResNet101, 一個RPN（Faster RCNN來的）,一個position sensitive的prediction層，最后的ROI pooling+投票的決策層。

分類需要特征具有平移不變性，檢測則要求對目標的平移做出準確響應。現在的大部分CNN在分類上可以做的很好，但用在檢測上效果不佳。SPP，Faster R-CNN類的方法在ROI pooling前都是卷積，是具備平移不變性的，但一旦插入ROI pooling之后，后面的網絡結構就不再具備平移不變性了。因此，本文想提出來的position sensitive score map這個概念是能把目標的位置信息融合進ROI pooling。

對于region-based的檢測方法，以Faster R-CNN為例，實際上是分成了幾個subnetwork，第一個用來在整張圖上做比較耗時的conv，這些操作與region無關，是計算共享的。第二個subnetwork是用來產生候選的boundingbox（如RPN），第三個subnetwork用來分類或進一步對box進行regression（如Fast RCNN），這個subnetwork和region是有關系的，必須每個region單獨跑網絡，銜接在這個subnetwork和前兩個subnetwork中間的就是ROI pooling。我們希望的是，耗時的卷積都盡量移到前面共享的subnetwork上。因此，和Faster RCNN中用的ResNet（前91層共享，插入ROI pooling，后10層不共享）策略不同，本文把所有的101層都放在了前面共享的subnetwork。最后用來prediction的卷積只有1層，大大減少了計算量。

在Faster-RCNN基礎上，進一步提高了準確率，主要以下改進：
1、使用全卷積層代替CNN basenet里面的全連接層。
2、CNN得到的feature map在RoI pooling之后變成3x3大小，把groundtruth也變成3x3大小，對9宮格每個區域分別比較和投票。

總結

以上是生活随笔為你收集整理的faster rcnn resnet_RCNN系列、Fast-RCNN、Faster-RCNN、R-FCN检测模型对比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。