1.背景
1.R-CNN网络训练、测试速度都很慢：R-CNN网络中，一张图经由selective search算法提取约2k个建议框(这2k个建议框大量重叠)，而所有建议框变形后都要输入AlexNet CNN网络提取特征(即约2k次特征提取)，会出现上述重叠区域多次重复提取特征，提取特征操作冗余；
2.R-CNN网络训练、测试繁琐：R-CNN网络训练过程分为ILSVRC 2012样本下有监督预训练、PASCAL VOC 2007该特定样本下的微调、20类即20个SVM分类器训练、20类即20个Bounding-box 回归器训练，该训练流程繁琐复杂；同理测试过程也包括提取建议框、提取CNN特征、SVM分类和Bounding-box 回归等步骤，过于繁琐；
3.R-CNN网络训练需要大量存储空间：20类即20个SVM分类器和20类即20个Bounding-box 回归器在训练过程中需要大量特征作为训练样本，这部分从CNN提取的特征会占用大量存储空间；
4.R-CNN网络需要对建议框进行形变操作后(形变为227×227 size)再输入CNN网络提取特征，其实像AlexNet CNN等网络在提取特征过程中对图像的大小并无要求，只是在提取完特征进行全连接操作的时候才需要固定特征尺寸(R-CNN中将输入图像形变为227×227可正好满足AlexNet CNN网络最后的特征尺寸要求)，然后才使用SVM分类器分类，R-CNN需要进行形变操作的问题在Fast R-CNN已经不存在。
2.算法原理
Fast R-CNN大体可分为以下三个步骤：
- 一张图像生成1k-2k个候选区域（使用Selective Search方法）。
- 将图像输入网络得到相应的特征图，将SS算法声生成的候选框投影到特征图上获得相应的特征矩阵。
- 将每个特征矩阵通过ROI pooling层缩放到7*7大小的特征图，接着将特征图展平通过一系列全连接层得到预测结果。
1.任意size图片输入CNN网络，经过若干卷积层与池化层，得到特征图；
2.在任意size图片上采用selective search算法提取约2k个建议框；
3.根据原图中建议框到特征图映射关系，在特征图中找到每个建议框对应的特征框，并在RoI池化层中将每个特征框池化到7*7的size；
4.固定7*7大小的特征框经过全连接层得到固定大小的特征向量；
5.第4步所得特征向量经由各自的全连接层，分别得到两个输出向量：一个是分类为器，一个是边界框回归器；
6.利用窗口得分分别对每一类物体进行非极大值抑制剔除重叠建议框，最终得到每个类别中回归修正后的得分最高的窗口。
版权声明：本文为CSDN博主「菜狗子a」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_44570701/article/details/122344585
暂无评论