---

←上一篇↓↑下一篇→

3.9 YOLO 算法	回到目錄	3.11 總結

---

候選區域 (Region proposals)

如果你們閱讀一下對象檢測的文獻，可能會看到一組概念，所謂的候選區域，這在計算機視覺領域是非常有影響力的概念。我把這個視頻定為可選視頻是因為我用到候選區域這一系列算法的頻率沒有那么高，但當然了，這些工作是很有影響力的，你們在工作中也可能會碰到，我們來看看。

你們還記得滑動窗法吧，你使用訓練過的分類器，在這些窗口中全部運行一遍，然后運行一個檢測器，看看里面是否有車輛，行人和摩托車。現在你也可以運行一下卷積算法，這個算法的其中一個缺點是，它在顯然沒有任何對象的區域浪費時間，對吧。

所以這里這個矩形區域（編號1）基本是空的，顯然沒有什么需要分類的東西。也許算法會在這個矩形上（編號2）運行，而你知道上面沒有什么有趣的東西。

[Girshick R, Donahue J, Darrell T, et al. Rich feature hierarchies for accurate object detection and semantic segmentation[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2014: 580-587.]

所以Ross Girshick，Jeff Donahue，Trevor Darrell，Jitendra Malik，在本幻燈片底部引用到的論文中提出一種叫做R-CNN的算法，意思是帶區域的卷積網絡，或者說帶區域的CNN。這個算法嘗試選出一些區域，在這些區域上運行卷積網絡分類器是有意義的，所以這里不再針對每個滑動窗運行檢測算法，而是只選擇一些窗口，在少數窗口上運行卷積網絡分類器。

選出候選區域的方法是運行圖像分割算法，分割的結果是下邊的圖像，為了找出可能存在對象的區域。比如說，分割算法在這里得到一個色塊，所以你可能會選擇這樣的邊界框（編號1），然后在這個色塊上運行分類器，就像這個綠色的東西（編號2），在這里找到一個色塊，接下來我們還會在那個矩形上（編號2）運行一次分類器，看看有沒有東西。在這種情況下，如果在藍色色塊上（編號3）運行分類器，希望你能檢測出一個行人，如果你在青色色塊(編號4)上運行算法，也許你可以發現一輛車，我也不確定。

所以這個細節就是所謂的分割算法，你先找出可能2000多個色塊，然后在這2000個色塊上放置邊界框，然后在這2000個色塊上運行分類器，這樣需要處理的位置可能要少的多，可以減少卷積網絡分類器運行時間，比在圖像所有位置運行一遍分類器要快。特別是這種情況，現在不僅是在方形區域（編號5）中運行卷積網絡，我們還會在高高瘦瘦（編號6）的區域運行，嘗試檢測出行人，然后我們在很寬很胖的區域（編號7）運行，嘗試檢測出車輛，同時在各種尺度運行分類器。

這就是R-CNN或者區域CNN的特色概念，現在看來R-CNN算法還是很慢的。所以有一系列的研究工作去改進這個算法，所以基本的R-CNN算法是使用某種算法求出候選區域，然后對每個候選區域運行一下分類器，每個區域會輸出一個標簽，有沒有車子？有沒有行人？有沒有摩托車？并輸出一個邊界框，這樣你就能在確實存在對象的區域得到一個精確的邊界框。

澄清一下，R-CNN算法不會直接信任輸入的邊界框，它也會輸出一個邊界框 $b_x，b_y，b_h$ 和 $b_w$ ，這樣得到的邊界框比較精確，比單純使用圖像分割算法給出的色塊邊界要好，所以它可以得到相當精確的邊界框。

現在R-CNN算法的一個缺點是太慢了，所以這些年來有一些對R-CNN算法的改進工作，Ross Girshik提出了快速的R-CNN算法，它基本上是R-CNN算法，不過用卷積實現了滑動窗法。最初的算法是逐一對區域分類的，所以快速R-CNN用的是滑動窗法的一個卷積實現，這和你在本周第四個視頻（3.4 卷積的滑動窗口實現）中看到的大致相似，這顯著提升了R-CNN的速度。

事實證明，Fast R-CNN算法的其中一個問題是得到候選區域的聚類步驟仍然非常緩慢，所以另一個研究組，任少卿（Shaoqing Ren）、何凱明（Kaiming He）、Ross Girshick和孫劍（Jiangxi Sun）提出了更快的R-CNN算法（Faster R-CNN），使用的是卷積神經網絡，而不是更傳統的分割算法來獲得候選區域色塊，結果比Fast R-CNN算法快得多。不過我認為大多數更快R-CNN的算法實現還是比YOLO算法慢很多。

候選區域的概念在計算機視覺領域的影響力相當大，所以我希望你們能了解一下這些算法，因為你可以看到還有人在用這些概念。對我個人來說，這是我的個人看法而不是整個計算機視覺研究界的看法，我覺得候選區域是一個有趣的想法，但這個方法需要兩步，首先得到候選區域，然后再分類，相比之下，能夠一步做完，類似于YOLO或者你只看一次（You only look once）這個算法，在我看來，是長遠而言更有希望的方向。但這是我的個人看法，而不是整個計算機視覺研究界的看法，所以你們最好批判接受。但我想這個R-CNN概念，你可能會想到，或者碰到其他人在用，所以這也是值得了解的，這樣你可以更好地理解別人的算法。

現在我們就講完這周對象檢測的材料了，我希望你們喜歡本周的編程練習，我們下周見。

參考文獻：

• Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi - You Only Look Once: Unified, Real-Time Object Detection (2015)

• Joseph Redmon, Ali Farhadi - YOLO9000: Better, Faster, Stronger (2016)

• Allan Zelener - YAD2K: Yet Another Darknet 2 Keras

• The official YOLO website (https://pjreddie.com/darknet/yolo/
  )

課程板書

---

←上一篇↓↑下一篇→

3.9 YOLO 算法	回到目錄	3.11 總結

---

總結

以上是生活随笔為你收集整理的3.10 候选区域-深度学习第四课《卷积神经网络》-Stanford吴恩达教授的全部內容，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。