【目标检测】Fast RCNN算法详解
转载自:http://blog.csdn.net/shenxiaolu1984/article/details/51036677
Girshick, Ross. “Fast r-cnn.” Proceedings of the IEEE International Conference on Computer Vision. 2015.
继2014年的RCNN之后,Ross Girshick在15年推出Fast RCNN,构思精巧,流程更为紧凑,大幅提升了目标检测的速度。在Github上提供了源码。
同样使用最大规模的网络,Fast RCNN和RCNN相比,训练时间从84小时减少为9.5小时,测试时间从47秒减少为0.32秒。在PASCAL VOC 2007上的准确率相差无几,约在66%-67%之间.
思想
基础:RCNN
简单来说,RCNN使用以下四步实现目标检测:
a. 在图像中确定约1000-2000个候选框
b. 对于每个候选框内图像块,使用深度网络提取特征
c. 对候选框中提取出的特征,使用分类器判别是否属于一个特定类
d. 对于属于某一特征的候选框,用回归器进一步调整其位置
更多细节可以参看这篇博客。
改进:Fast RCNN
Fast RCNN方法解决了RCNN方法三个问题:
问题一:测试时速度慢
RCNN一张图像内候选框之间大量重叠,提取特征操作冗余。
本文将整张图像归一化后直接送入深度网络。在邻接时,才加入候选框信息,在末尾的少数几层处理每个候选框。
问题二:训练时速度慢
原因同上。
在训练时,本文先将一张图像送入网络,紧接着送入从这幅图像上提取出的候选区域。这些候选区域的前几层特征不需要再重复计算。
问题三:训练所需空间大
RCNN中独立的分类器和回归器需要大量特征作为训练样本。
本文把类别判断和位置精调统一用深度网络实现,不再需要额外存储。
以下按次序介绍三个问题对应的解决方法。
特征提取网络
基本结构
图像归一化为224×224直接送入网络。
前五阶段是基础的conv+relu+pooling形式,在第五阶段结尾,输入P个候选区域(图像序号×1+几何位置×4,序号用于训练)?。
注:文中给出了大中小三种网络,此处示出最大的一种。三种网络基本结构相似,仅conv+relu层数有差别,或者增删了norm层。
roi_pool层的测试(forward)
roi_pool层将每个候选区域均匀分成M×N块,对每块进行max pooling。将特征图上大小不一的候选区域转变为大小统一的数据,送入下一层。
roi_pool层的训练(backward)
首先考虑普通max pooling层。设x i 为输入层的节点,y j 为输出层的节点。
其中判决函数δ(i,j) 表示i节点是否被j节点选为最大值输出。不被选中有两种可能:x i 不在y j 范围内,或者x i 不是最大值。
对于roi max pooling,一个输入节点可能和多个输出节点相连。设x i 为输入层的节点,y rj 为第r 个候选区域的第j 个输出节点。
判决函数δ(i,r,j) 表示i节点是否被候选区域r的第j个节点选为最大值输出。代价对于x i 的梯度等于所有相关的后一层梯度之和。
网络参数训练
参数初始化
网络除去末尾部分如下图,在ImageNet上训练1000类分类器。结果参数作为相应层的初始化参数。
其余参数随机初始化。
分层数据
在调优训练时,每一个mini-batch中首先加入N张完整图片,而后加入从N张图片中选取的R个候选框。这R个候选框可以复用N张图片前5个阶段的网络特征。
实际选择N=2, R=128。
训练数据构成
N张完整图片以50%概率水平翻转。
R个候选框的构成方式如下:
类别 | 比例 | 方式 |
---|---|---|
前景 | 25% | 与某个真值重叠在[0.5,1]的候选框 |
背景 | 75% | 与真值重叠的最大值在[0.1,0.5)的候选框 |
分类与位置调整
数据结构
第五阶段的特征输入到两个并行的全连层中(称为multi-task)。
cls_score层用于分类,输出K+1维数组p ,表示属于K类和背景的概率。
bbox_prdict层用于调整候选区域位置,输出4*K维数组t ,表示分别属于K类时,应该平移缩放的参数。
代价函数
loss_cls层评估分类代价。由真实分类u 对应的概率决定:
loss_bbox评估检测框定位代价。比较真实分类对应的预测参数t u 和真实平移缩放参数为v 的差别:
g为Smooth L1误差,对outlier不敏感:
总代价为两者加权和,如果分类为背景则不考虑定位代价:
存疑:bbox_loss_weights数据块的作用是?
全连接层提速
分类和位置调整都是通过全连接层(fc)实现的,设前一级数据为x 后一级为y ,全连接层参数为W ,尺寸u×v 。一次前向传播(forward)即为:
计算复杂度为u×v 。
将W 进行SVD分解,并用前t个特征值近似:
原来的前向传播分解成两步:
计算复杂度变为u×t+v×t 。
在实现时,相当于把一个全连接层拆分成两个,中间以一个低维数据相连。
在github的源码中,这部分似乎没有实现。
实验与结论
实验过程不再详述,只记录结论
- 网络末端同步训练的分类和位置调整,提升准确度
- 使用多尺度的图像金字塔,性能几乎没有提高
- 倍增训练数据,能够有2%-3%的准确度提升
- 网络直接输出各类概率(softmax),比SVM分类器性能略好
- 更多候选窗不能提升性能
同年作者团队又推出了Faster RCNN,进一步把检测速度提高到准实时,可以参看这篇博客。
关于RCNN, Fast RCNN, Faster RCNN这一系列目标检测算法,可以进一步参考作者在15年ICCV上的讲座Training R-CNNs of various velocities。
【目标检测】Fast RCNN算法详解相关推荐
- 【目标检测】RCNN算法详解
转载自:http://blog.csdn.net/shenxiaolu1984/article/details/51066975 Girshick, Ross, et al. "Rich f ...
- 【目标检测】Fast RCNN算法详解(转)
Girshick, Ross. "Fast r-cnn." Proceedings of the IEEE International Conference on Computer ...
- 目标检测算法之Fast R-CNN算法详解
在介绍Fast R-CNN之前我们先介绍一下SPP Net 一.SPP Net SPP:Spatial Pyramid Pooling(空间金字塔池化) 众所周知,CNN一般都含有卷积部分和全连接部分 ...
- 【目标检测】SPPNet算法详解
转载自 http://blog.csdn.net/u011534057/article/details/51219959 Spatial Pyramid Pooling in Deep Convolu ...
- 【目标检测】yoloV5算法详解
一.与yoloV4相比,yoloV5的改进 输入端:在模型训练阶段,使用了Mosaic数据增强.自适应锚框计算.自适应图片缩放 基准网络:使用了FOCUS结构和CSP结构 Neck网络:在Backbo ...
- 目标检测 RCNN算法详解
原文:http://blog.csdn.net/shenxiaolu1984/article/details/51066975 [目标检测]RCNN算法详解 Girshick, Ross, et al ...
- 【目标检测】Faster RCNN算法详解
转载自:http://blog.csdn.net/shenxiaolu1984/article/details/51152614 Ren, Shaoqing, et al. "Faster ...
- Faster RCNN算法详解
Ren, Shaoqing, et al. "Faster R-CNN: Towards real-time object detection with region proposal ne ...
- cnn 句向量_深度学习目标检测Fast R-CNN论文解读
前言 我们知道,R-CNN存在着以下几个问题: 分步骤进行,过程繁琐.Selective Search生成候选区域region proposal->fine tune预训练网络->针对每个 ...
最新文章
- 微软好绝情:Windows 7再无重大更新!
- 关于一个CCIE考试题目的研究(重分发)
- linux xampp常见问题
- javamail command not implemented
- JAVA中如何确保N个线程可以访问N个资源,但同时又不导致死锁?
- .NET 传奇 1.0 的出版过程,以及未来计划
- dockers log查询dockers的文件_Tomcat PUT方法任意文件上传
- Could not open ServletContext resource [/WEB-INF/applicationContext.xml]”解决方案
- 【LeetCode】剑指 Offer 06. 从尾到头打印链表
- 计算机一级综合第九套试题及答案,2012年计算机一级B第九套选择题精选及参考答案...
- lucene 分词实现
- 谈谈tomcat引起的中文乱码问题
- 一般纳税人与小规模纳税人有什么区别
- 我的世界java版怎么打开游戏菜单_我的世界游戏界面设置方法
- TeamViewer 如何注册账户?
- 风格化(Stylization)
- Word里面怎么才能输入平方
- 详解Dell EMC发布的PowerMax存储和R系列计算系统
- html在一行内横向排列并排同行同时显示两个多个div盒子的方法
- 啊哈C——学习3.3一起来找茬