Faster R-CNN的四個模塊?分別是什么

Faster R-CNN是R-CNN系列中第三個模型，經(jīng)歷了2013年Girshick提出的R-CNN、2015年Girshick提出的Fast R-CNN以及2015年Ren提出的Faster R-CNN。

Faster R-CNN是目標檢測中較早提出來的兩階段網(wǎng)絡(luò)，其網(wǎng)絡(luò)架構(gòu)如下圖所示：

 

可以看出可以大體分為四個部分：

1. Conv Layers 卷積神經(jīng)網(wǎng)絡(luò)用于提取特征，得到feature map。
2. RPN網(wǎng)絡(luò)，用于提取Region of Interests(RoI)。
3. RoI pooling, 用于綜合RoI和feature map, 得到固定大小的resize后的feature。
4. classifier, 用于分類RoI屬于哪個類別。

1. Conv Layers

在Conv Layers中，對輸入的圖片進行卷積和池化，用于提取圖片特征，最終希望得到的是feature map。在Faster R-CNN中，先將圖片Resize到固定尺寸，然后使用了VGG16中的13個卷積層、13個ReLU層、4個maxpooling層。（VGG16中進行了5次下采樣，這里舍棄了第四次下采樣后的部分，將剩下部分作為Conv Layer提取特征。）

與YOLOv3不同，F(xiàn)aster R-CNN下采樣后的分辨率為原始圖片分辨率的1/16（YOLOv3是變?yōu)樵瓉淼?/32）。feature map的分辨率要比YOLOv3的Backbone得到的分辨率要大，這也可以解釋為何Faster R-CNN在小目標上的檢測效果要優(yōu)于YOLOv3。

2. Region Proposal Network

簡稱RPN網(wǎng)絡(luò)，用于推薦候選區(qū)域（Region of Interests），接受的輸入為原圖片經(jīng)過Conv Layer后得到的feature map。

    

RPN網(wǎng)絡(luò)將feature map作為輸入，然后用了一個3x3卷積將filter減半為512,然后進入兩個分支：

一個分支用于計算對應(yīng)anchor的foreground和background的概率，目標是foreground。

一個分支用于計算對應(yīng)anchor的Bounding box的偏移量，來獲得其目標的定位。

通過RPN網(wǎng)絡(luò)，我們就得到了每個anchor是否含有目標和在含有目標情況下目標的位置信息。

對比RPN和YOLOv3:

都說YOLOv3借鑒了RPN，這里對比一下兩者：

RPN: 分兩個分支，一個分支預(yù)測目標框，一個分支預(yù)測前景或者背景。將兩個工作分開來做的，并且其中前景背景預(yù)測分支功能是判斷這個anchor是否含有目標，并不會對目標進行分類。另外就是anchor的設(shè)置是通過先驗得到的。

YOLOv3: 將整個問題當做回歸問題，直接就可以獲取目標類別和坐標。Anchor是通過IoU聚類得到的。

區(qū)別：Anchor的設(shè)置，Ground truth和Anchor的匹配細節(jié)不一樣。

聯(lián)系：兩個都是在最后的feature map（w/16,h/16或者w/32，h/32）上每個點都分配了多個anchor，然后進行匹配。雖然具體實現(xiàn)有較大的差距，但是這個想法有共同點。

3. ROI Pooling

這里看一個來自deepsense.ai提供的例子：

RoI Pooling輸入是feature map和RoIs：

假設(shè)feature map是如下內(nèi)容：

 

RPN提供的其中一個RoI為：左上角坐標（0,3)，右下角坐標（7,8）

 

然后將RoI對應(yīng)到feature map上的部分切割為2x2大小的塊：

 

將每個塊做類似maxpooling的操作，得到以下結(jié)果：

 

以上就是ROI pooling的完整操作，想一想為何要這樣做？

在RPN階段，我們得知了當前圖片是否有目標，在有目標情況下目標的位置?，F(xiàn)在唯一缺少的信息就是這個目標到底屬于哪個類別（通過RPN只能得知這個目標屬于前景，但并不能得到具體類別）。

如果想要得知這個目標屬于哪個類別，最簡單的想法就是將得到的框內(nèi)的圖片放入一個CNN進行分類，得到最終類別。這就涉及到最后一個模塊：classification

4. Classification

ROIPooling后得到的是大小一致的feature，然后分為兩個分支，靠下的一個分支去進行分類，上一個分支是用于Bounding box回歸。

分類這個分支很容易理解，用于計算到底屬于哪個類別。Bounding box回歸的分支用于調(diào)整RPN預(yù)測得到的Bounding box，讓回歸的結(jié)果更加精確。