目標檢測入門系列手冊三：Fast R-CNN 訓練教程

，學習全套目標檢測演算法&模型

Fast R-CNN

針對R-CNN 的3 個主要問題，我們思考一下是否有更好的解決方案。

首先是速度，2000 個ROI 的CNN 特徵提取佔用了大量的時間，是否可以用更好的方法，比如共享卷積層來同時處理所有2000 個ROI ？

其次是CNN 的特徵不會因SVM 和迴歸的調整而更新。

R-CNN 的操作流程比較複雜，能否有更好的方式使得訓練過程成為端到端的？

接下來我們將介紹Firshick 等人於2015 年提出的Fast R-CNN[2]，它非常巧妙地解決了R-CNN 主要的幾個問題。

（a）Fast R-CNN 訓練過程示意圖

（b）Fast R-CNN 預測過程示意圖

圖2-7　Fast R-CNN 訓練和預測過程示意圖[9]

Fast R-CNN 的訓練和預測過程如圖2-7 所示，具體訓練步驟如下：

（1）將整張圖片和ROI 直接輸入到全卷積的CNN 中，得到特徵層和對應在特徵層上的ROI（特徵層的ROI 資訊可用其幾何位置加摺積座標公式推導得出）。

（2）與R-CNN 類似， 為了使不同尺寸的ROI 可以統一進行訓練，Fast R-CNN 將每塊候選區域透過池化的方法調整到指定的M×N，所以此時特徵層上調整後的ROI 作為分類器的訓練資料。與R-CNN 不同的是，這裡將分類和迴歸任務合併到一起進行訓練，這樣就將整個流程串了起來。Fast R-CNN 的池化示意圖如圖2-8 所示，即先將整張圖透過卷積神經網路，然後在特徵層上找到ROI 對應的位置並取出，對取出的ROI 進行池化（此處的池化方法有很多）。池化後，所有2000個M×N 個訓練資料透過全連線層並分別經過2 個head：softmax 分類以及L2 迴歸，最終的損失函式為分類和迴歸的損失函式的加權和。透過這樣的方式就實現了端到端的訓練。

圖2-8　Fast R-CNN 中的ROI Pooling[9]

Fast R-CNN 極大地提升了目標檢測訓練和預測的速度，如圖2-9 所示。從圖2-9 中我們可以看出，Fast R-CNN 把訓練時長從R-CNN 的84 小時下降到了8.75 小時，每張圖片平均總預測時長從49 秒降到2.3 秒。

圖2-9　R-CNN 和Fast R-CNN 訓練和測試時間對比

從圖2-9 中我們還可以看出，在Fast R-CNN 預測的這2.3 秒中，真正的預測過程僅僅佔用0.32 秒，而Region proposal 佔用了絕大多數的時間。

文章來源： 阿里雲-機器智慧技術