基于侯选区域(Region Proposal)的深度学习目标检测法

１、R-CNN

论文：Rich feature hierarchies for accurate object detection and semantic segmentation

• 候选区域生成(Selective Search)
• 用深度网络提取特征(Alexnet)
• 特征送入每一类的SVM分类器
• 使用回归器精修候选框位置

　　利用Seclective Search算法选取大约2000个候选区域，将所有候选区域warp成相同大小的图片，输入到Alexnet中提取特征，得到feature map后，将feature输入到各类别的SVM分类器中进行分类，最后通过回归器对预测的边框进行修正。

２、SPP

论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

• 产生region proposal

　　　SPP第一步与RCNN一样，在原图上产生大约2000个region proposal

• 卷积层，对整张图做卷积，获得featur map，根据原始坐标与feature map上坐标的对应关系，在featur map上选择proposal

　　原始坐标跟feature map上坐标的对应关系在论文的附录Ａ中给出了，也可以参考这篇博客http://blog.csdn.net/hjimce/article/details/50187655（懒得打公式）

　　SPP对整张图片做卷积，RCNN是对每个proposal都要做一次卷积，proposal之间如果有重叠，重叠部分就进行了多次卷积，因此SPP在速度上比RCNN要快。

• 空间金字塔池化层

　　池化层后面是全连接层，进入全连接层的数据必须是同一维度，但是proposal的大小是不一样的，通常的方法是进行crop或者warp，但是crop可能会使物体发生截断，warp会改变物体原来的长宽比，而SPP可以输入任意尺度的图片，在最后一层pooling时使用自适应窗口，保证在进入全连接层时数据是同一维度即可。

　　对featur map用４*4,2*2,1*1的kernel提取出21=4*4+2*2+1维的特征向量，根据proposal的大小自动调整kernel中每个块的大小。

• 　最后的部分跟RCNN是一样的，都是用SVM分类器进行分类，再用回归器对边框进行精修。

　

３．Fast RCNN

　　FRCNN对比之前的RCNN和SPP,前面的region proposal还是一样的，到提取roi pooling部分用的还是SPP， 对每个roi，获取的特征进入两个全连接层，一个是softmax，替代了之前的SVM分类器，另一个是robust L1 loss,用于box regression.Fast RCNN实现了region proposal之后的end-to-end.

4.Faster RCNN

对比前面三种方法，Faster RCNN实现了包括region proposal的end-to-end.

这篇博客写的很详细 http://blog.csdn.net/zy1034092330/article/details/62044941　又偷懒了：）

• Convolutional Network
  

　　跟之前不一样了，Faster RCNN的第一步是对图片卷积获得feature map.

• Region Proposal Network

　　RPN用于获得region proposal,通过softmax判断anchors属于foreground或者background，再利用bounding box regression修正anchors获得精确的proposals

• Roi Pooling

　　由于得到的proposal尺寸不一样，所以要经过roi pooling，这里的pooling层方法跟SPP是一样的

• Classification

　　与FRCNN中一样，利用全连接层与softmax来进行分类

• Box Regression

　　再进行box regression,获取更高精度的bounding box.

(图片来自http://blog.csdn.net/zy1034092330/article/details/62044941）

从上面的网络结构图就很容易了解Faster RCNN的网络结构了：）