作者：泛音
公众号：知识交点
只分享知识，不发新闻，欢迎机器学习爱好者的投稿。

FasterRcnn梳理

论文地址：https://arxiv.org/abs/1506.01497

Faster R-CNN最突出的贡献就在于提出了Region Proposal Network（RPN）代替了Selective Search，从而将候选区域提取的时间开销几乎降为0（2s -> 0.01s）。目前为止，FasterRcnn也是非常优秀的目标检测算法。关于FasterRcnn论文与代码也是非常建议大家反复阅读研究。

一切都是从一张图的特征开始：features。features来自于主干网络，这里不叙述。

RPN接到features后，先做了一次3x3的卷积，再由两个1x1卷积操作分别得到分类score:2x9与位置偏移loc:4x9结构，这两个结构都会被ProposalCreator与rpn_loss所使用。

AnchorTargetCreator用box与anchor联合得到拟合目标：loc与label。这里前景与背景的label总数为256，loc图外的标记为-1。

RPN_LOSS将会利用上述预测信息与标签信息计算loss，以此来调整使得RPN网络预测的score与loc更好。只对前景计算回归损失。

ProposalCreator的任务是拿到score与loc后，将loc转为roi，按照分数筛选先取12000，再通过极大值抑制去除重叠后再按照score选取前2000个roi。

ProposalTargetCreator将ProposalCreator中得到的2000个roi与标签box利用ROU再进行筛选，留下正负样本共128个。

ROI Pooling层得到这128个rois后，对其坐标对应到特征图，size缩小为1/stride（1/16）。这里在对应的时候，会存在无法整除的现象，所以后来又提出了ROI Align。对应好之后，还要对roi 实施Pooling操作，使得对应好的roi特征图池化到后面层能处理的大小（7x7），在这里还是有量化损失。

FC 21与FC 84分别得到20+1（背景）类的分类与目标的位置。得到的数据将会与ProposalTargetCreator中的真实标签计算roi_loss。

名词解释：

roi=[y_min,x_min,y_max,x_max]实际原图坐标。

loc=[dy, dx, dh, dw]各个位置的偏移。

关于box的回归讲解：

此部分原文内容请查看底部链接：了解更多