R-CNN

0. 参考

1. 论文概况

1. Motivation

CNN的应用。

2. 解决什么问题？

1. 传统目标检测中，基于滑窗的区域选择策略没有针对性，时间复杂度高，窗口冗余；
2. 传统目标检测中，手工设计的特征对于多样性的变化并没有很好的鲁棒性。

3. 提出了什么方法？

1. region proposal；
2. CNN；

4. 效果如何？

• R-CNN在PASCAL VOC2007上的检测结果从DPM HSC的34.3%直接提升到了66%(mAP)。

5. 还存在什么问题？

1. 训练分多个阶段，非end to end，步骤繁琐: 微调网络+训练SVM+训练bbox回归
2. 训练占用磁盘空间大：候选区域对应的图像需要预先提取
3. 速度慢: 每个Proposal都需要进入CNN网络计算，上千个Region存在大量的范围重叠，重复的特征提取带来巨大的计算浪费
4. 输入的图片Patch必须强制缩放成固定大小（原文采用227×227），会造成物体形变，导致检测性能下降。

算法流程-测试

==本质：对region proposals进行分类和位置修正，最后输出那些IOU高于阈值的proposals；==

1. 候选区域选择(region proposals)

• selective search方法得到2000个proposals；
• proposals缩放到固定大小227×227（FC层的需求）；

2. CNN特征提取（5个conv+2个FC）
3. 特征送入线性SVM进行分类
4. 特征送入全连接网络对SVM分好类的region proposal进行bbox回归

边框回归是对region proposal进行纠正的线性回归算法，为了让region proposal提取到的窗口跟目标真实窗口更吻合。

关于region proposal

比较常用的region proposal算法有selective Search和edge Boxes，如果想具体了解region proposal可以看一下PAMI2015的“What makes for effective detection proposals？”

由于region proposal利用了图像中的纹理、边缘、颜色等信息，可以保证在选取较少窗口（几千个甚至几百个）的情况下保持较高的召回率。这大大降低了后续操作的时间复杂度，并且获取的候选窗口要比滑动窗口的质量更高（滑动窗口固定长宽比）。