【目標檢測】R-CNN

【目標檢測】RCNN演算法詳解R-CNN

RCNN是第一個可以真正工業級應用的解決方案，Fast-RCNN，Faster-RCNN沿襲RCNN，
把region proposal和CNN結合起來，所以該方法被稱為R-CNN：Regions with CNN features。

1.1.介紹
與影像分類不同的是檢測需要定位一個影像內的許多物體。
一個方法是將框定位看做是迴歸問題。但是這種策略效果不好。
另一個可替代的方法是使用滑動視窗探測器，通過這種方法使用CNN至少已經有20年的時間了，通常用於一些特定的種類如人臉，行人等。為了獲取較高的空間解析度，這些CNNs都採用了兩個卷積層和兩個池化層。但是由於網路層次更深，輸入圖片有非常大的感受野和步長，這使得采用滑動視窗的方法充滿挑戰。

採用候選框來檢測解決CNN的定位問題。對這每張圖片，產生接近2000個與類別無關的region proposal，對每個CNN抽取一個固定長度的特徵向量，然後藉助線性SVM對每個區域進行分類。我們不考慮region的大小，使用放射影像變形的方法來對每個不同形狀的region proposal產生一個固定長度的作為CNN輸入的特徵向量（也就是把不同大小的proposal放到同一個大小）。

1.2.用RCNN做物體檢測
物體檢測系統有三個模組構成。

• 產生類別無關的region proposal。這些推薦定義了一個候選檢測區域的集合
• 一個大型卷積神經網路，用於對每個區域抽取特定大小的特徵向量
• 一個指定類別的線性SVM

2.1模組設計

• 區域推薦：
  有很多研究都提出了產生類別無關區域推薦的方法。比如：objectness（物體性），selective search（選擇性搜尋），category-independent object proposals（類別無關物體推薦），constrained parametric min-cuts（受限參最小剪下，CPMC），multi-scale combinatorial grouping（多尺度聯合分組），以及Ciresan等人的方法，將CNN用在規律空間塊裁剪上以檢測有絲分裂細胞，也算是一種特殊的區域推薦型別。由於R-CNN對特定區域演算法是不關心的，所以我們採用了選擇性搜尋以方便和前面的工作進行可控的比較。
• 特徵提取：
  對每個推薦區域抽取一個特徵向量。

2.2測試階段的物體檢測
測試階段在測試影像上使用selective search抽取2000個推薦區域。然後變形每一個推薦區域，再通過CNN前向傳播計算出特徵。然後我們使用對每個類別訓練出的SVM給整個特徵向量中的每個類別單獨打分。
然後給出一張影像中所有的打分割槽域，然後使用NMS（每個類別是獨立進行的），拒絕掉一些和高分割槽域的IOU大於閾值的候選框。
執行時的分析：
兩個特性讓檢測變得很高效。首先，所有的CNN引數都是跨類別共享的。其次通過CNN計算的特徵向量相比其他通用方法維度是很低的。