?

R-FCN:? Object Detection via Region-based Fully Convolutional Networks

?

R-FCN 的網(wǎng)絡(luò)結(jié)構(gòu)：

?

不同于之前的fast/faster R-CNN的region-based，paper中的new network是shared, fully convolutional 的網(wǎng)絡(luò)結(jié)構(gòu)。

Paper是奔著節(jié)約計(jì)算的角度，因?yàn)閞-cnn 系列的網(wǎng)絡(luò)結(jié)構(gòu)分為兩部分，一部分是Shared Conv層，另一部分是針對(duì)region proposal的Conv+FC層，fast RCNN和faster RCNN做的工作是延長(zhǎng)Shared Conv，縮小非共享的后面部分。

R-FCN做的是將regional proposal后面的Conv基本轉(zhuǎn)移到Shared Conv部分。 減少Conv計(jì)算。

?

隨著網(wǎng)絡(luò)深度的增加，網(wǎng)絡(luò)對(duì)location的敏感度也越來(lái)越低，這就是 translation-invariance。

?

?

?

1, structure

本paper做的跟faster RCNN的區(qū)別是：將Conv5層ROI-pooling之后的pooled feature maps ，不要再針對(duì)每一個(gè)ROI之后再進(jìn)行Conv計(jì)算了。而是，將Conv5層進(jìn)行fully convolutional layer, 得到 K^2*(c+1) x w x h的feature maps， 然后對(duì)該feature map 進(jìn)行position-sensitive pooling 得到 k x k x (c+1) 大小的score map，之后做 average pooling （voting）得到 (c+1)的vector就可以放進(jìn) softmax判斷了，所以，feature map后面的不涉及到Conv層，計(jì)算量很小。

?

2, position-sensitive score maps

Position-sensitive score maps: 對(duì)最后一層Conv層得到的feature maps，對(duì)于每一個(gè)wxh 大小的RoI rectangle，一個(gè)bin的大小是 w/k * h/k ， 最后產(chǎn)生 k^2 個(gè)bin，對(duì)于 (i，j)個(gè)bin，產(chǎn)生score maps的操作公式是：

?

?

上面所說(shuō)的是針對(duì)category，而針對(duì)bounding boxes，類(lèi)似，直接將C+1變?yōu)?即可， bounding box t = (tx, ty, tw, th)

?

3, training:

對(duì)于每一個(gè)ROI，loss是 cross-entropy loss和box regression loss的總和

?

Training method在本算法中可以很容易采用online hard example mining (OHEM)， 對(duì)于一張image的N個(gè)proposals，選擇loss最大的B個(gè)proposal進(jìn)行backpropagation，因?yàn)閜er-RoI的計(jì)算量極小可以忽略。

?

R-FCN的特點(diǎn)：

(1)， 所有可以學(xué)習(xí)的參數(shù)都是都是 convolutional 且針對(duì) fully feature maps

(2)， RoI-pooling之后的score maps之后的計(jì)算沒(méi)有參數(shù)

(3)，R-FCN的最后一個(gè)Conv層，其channel數(shù)跟 類(lèi)別數(shù)C和 spatial grid describing relative positions K 相關(guān)，

?

總結(jié)：

(1)， R-FCN可以說(shuō)是faster-RCNN的一個(gè)再次升級(jí)

(2)， 但是R-FCN的position-sensitive scores maps看起來(lái)適用性有限，paper也只給出了resnet101的版本而沒(méi)有vgg或者googlenet作為baseline。

?

轉(zhuǎn)載于:https://www.cnblogs.com/zhang-yd/p/6568137.html

總結(jié)

以上是生活随笔為你收集整理的论文--R-FCN的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。