2. 程式人生 > >R-CNN 目標檢測演算法詳細總結分析（two-stage)(深度學習)(CVPR 2014)

R-CNN 目標檢測演算法詳細總結分析（two-stage)(深度學習)(CVPR 2014)

阿新 • • 發佈：2018-11-24

論文名稱：《 Rich feature hierarchies for accurate object detection and semantic segmentation 》

論文下載：https://arxiv.org/pdf/1311.2524.pdf

論文程式碼：https://github.com/rbgirshick/rcnn

一、 網路結構：

圖1 R-CNN網路結構

二、訓練過程：

    1、有監督預訓練

資料集為ILSVRC2012，ILSVRC樣本集上僅有影象類別標籤，沒有影象物位

置標註； 
採用AlexNet CNN網路進行有監督預訓練，學習率=0.01； 該網路輸入為

227×227的ILSVRC訓練集影象，輸出最後一層為4096維特徵—>1000類的映

射，訓練網路引數。

    2、特定樣本下的微調

PASCAL VOC 2007樣本集上既有影象中物體類別標籤，也有影象中物體位

置標籤； 
採用訓練好的AlexNet CNN網路進行PASCAL VOC 2007樣本集下的微調，

學習率=0.001【0.01/10為了在學習新東西時不至於忘記之前的記憶】； 

mini-batch為32個正樣本和96個負樣本【由於正樣本太少】； 該網路輸入

為候選框【由selective search而來】變形後的227×227的影象，修改了原來的1000為類別輸出，改為21維【20類+背景】輸出，訓練的是網路引數。

正樣本: Ground Truth+與Ground Truth相交IoU>0.5的建議框

負樣本：與Ground Truth相交IoU≤0.5的建議框

    3、SVM訓練

正樣本: Ground Truth

負樣本：與Ground Truth相交IoU≤0.3的建議框
由於SVM是二分類器，需要為每個類別訓練單獨的SVM； 
SVM訓練時輸入正負樣本在AlexNet CNN網路計算下的4096維特徵，輸出為該類的得分，訓練的是SVM權重向量； 
由於負樣本太多，採用hard negative mining的方法在負樣本中選取有代表性的負樣本，該方法具體見。

    4、Bounding-box regression訓練

正樣本：與Ground Truth相交IoU最大的Region Proposal，並且與Ground Truth相交IoU>0.6的建議框

學習從建議框向Ground Truth變換的橫向和縱向平移、放縮這四種線性變換函式的權值。

三、測試流程：

  1. 輸入一張多目標影象，採用selective search演算法提取約2000個建議框；
  2. 在每個建議框周圍加上16個畫素值為建議框畫素平均值的邊框，再直接將框變形為227×227的大小；
  3. 將所有建議框畫素減去該建議框畫素平均值後【預處理操作】，再依次將每個227×227的建議框輸入AlexNet CNN網路獲取4096維的特徵，將CNN的fc7層的輸出作為特徵，2000個建議框的CNN特徵組合成2000×4096維矩陣；
  4. 將每個region proposal提取到的CNN特徵輸入到每一類的SVM進行分類，判別是否屬於該類：將2000×4096維特徵與20個SVM組成的權值矩陣4096×20相乘【20種分類，SVM是二分類器，則有20個SVM】，獲得2000×20維矩陣表示每個建議框是某個物體類別的得分；
  5. 分別對上述2000×20維矩陣中每一列即每一類進行非極大值抑制剔除重疊建議框，得到該列即該類中得分最高的一些建議框；
  6. 分別用20個迴歸器對上述20個類別中剩餘的建議框進行迴歸操作，精細修正候選框位置，最終得到每個類別的修正後的得分最高的bounding box。

四、selective search演算法：

採取過分割手段，將影象分割成小區域，再通過顏色直方圖，梯度直方圖

相近等規則進行合併，最後生成約2000個建議框。

五、非極大值抑制：

（1）對2000×20維矩陣中每列按從大到小進行排序； 
（2）從每列最大的得分建議框開始，分別與該列後面的得分建議框進行IoU計算，若IoU>閾值，則剔除得分較小的建議框，否則認為影象中存在多個同一類物體； 
（3）從每列次大的得分建議框開始，重複步驟（2）； 
（4）重複步驟③直到遍歷完該列所有建議框； 
（5）遍歷完2000×20維矩陣所有列，即所有物體種類都做一遍非極大值抑制； 
（6）最後剔除各個類別中剩餘建議框得分少於該類別閾值的建議框。

六、創新點：

（1）採用高容量的CNN進行特徵提取

（2）採用大樣本下有監督預訓練+小樣本微調的方式解決小樣本難以訓練甚至過擬合等問題。小樣本資料訓練很容易造成網路過擬合，但是在大樣本訓練後利用其引數初始化網路可以很好地訓練小樣本，這解決了小樣本訓練的難題。文中利用ILSVRC2012的訓練集先進行有監督預訓練，再利用PASCAL 2007進行微調。

七、存在問題：

（1）需要多級訓練，特徵提取網路，分類器，邊界迴歸需要分別訓練。

（2）計算複雜度高，重複計算。建議框的數量有幾千個，多數都是互相重疊，重疊部分會被多次重複提取特徵，訓練的時間和空間開銷大。

（3）為每個目標候選框進行卷積神經網路正向傳遞，而不共享計算，導致檢測速度很慢。

 

 

相關推薦

R-CNN 目標檢測演算法詳細總結分析（two-stage)(深度學習)(CVPR 2014)

論文名稱：《 Rich feature hierarchies for accurate object detection and semantic segmentation 》 論文下載：https://arxiv.org/pdf/1311.2524.pdf 論文程式碼：ht

Faster R-CNN 目標檢測演算法詳細總結分析（two-stage)(深度學習)(NIPS 2015)

論文名稱：《 Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 》 論文下載：https://papers.nips.cc/paper/5638-faster-r-cnn-t

Fast R-CNN 目標檢測演算法詳細總結分析（two-stage)(深度學習)(ICCV 2015)

論文名稱：《 Fast R-CNN 》 論文下載：https://arxiv.org/pdf/1504.08083.pdf 論文程式碼：https://github.com/rbgirshick/fast-rcnn 一、 網路結構：

YOLOv3 目標檢測演算法詳細總結分析（one-stage)(深度學習)(CVPR 2018)

論文名稱：《 YOLOv3: An Incremental Improvement 》 論文下載：https://pjreddie.com/media/files/papers/YOLOv3.pdf 論文程式碼:   https://github.com/pjredd

YOLOv2 目標檢測演算法詳細總結分析（one-stage)(深度學習)(CVPR 2017)

論文名稱：《 YOLO9000: Better, Faster, Stronger 》 論文下載: https://arxiv.org/abs/1612.08242  論文程式碼: http://pjreddie.com/yolo9000/  一、演算法

YOLOv1目標檢測演算法詳細總結分析（one-stage)(深度學習)(CVPR 2016)

論文名稱： 《 You Only Look Once: Unified, Real-Time Object Detection 》 論文連線：https://github.com/pjreddie/darknet  程式碼連線：http://arxiv.or

YOLT目標檢測演算法詳細總結分析（one-stage)(深度學習)(CVPR 2018)

論文名稱：《 You Only Look Twice: Rapid Multi-Scale Object Detection In Satellite Imagery 》 論文下載：https://arxiv.org/abs/1805.09512 論文程式碼：https://g

SSD 目標檢測演算法詳細總結分析（one-stage)(深度學習)(ECCV 2016)

論文名稱：《 SSD: Single Shot MultiBox Detector 》 論文下載：https://arxiv.org/pdf/1512.02325.pdf 論文程式碼：https://github.com/weiliu89/caffe/tree/ssd

Relation-Network目標檢測演算法詳細總結分析（one/two-stage)(深度學習)(CVPR 2018)

論文名稱：《 Single-Shot Refinement Neural Network for Object Detection 》 論文下載：https://arxiv.org/abs/1711.06897 論文程式碼：https://github.com/sfzhang1

RFBNet目標檢測演算法詳細總結分析（one/two-stage)(深度學習)(ECCV 2018)

論文名稱：《 Receptive Field Block Net for Accurate and Fast Object Detection 》 論文下載：https://arxiv.org/pdf/1711.07767.pdf 論文程式碼：https://github.co

Soft-NMS目標檢測演算法詳細總結分析（one/two-stage)(深度學習)(ICCV 2017)

論文：《 Improving Object DetectionWith One Line of Code 》 論文下載：https://arxiv.org/abs/1704.04503 論文程式碼：https://github.com/bharatsingh430/soft-nms

yolo 目標檢測演算法個人總結（yolov1）

yolo 目標檢測演算法個人總結 目前yolo目標檢測有兩個版本，分別為v1和v2。因工作需要用yolo演算法檢測人物，所以這段時間重點看了這兩篇論文，並實現了對應的tensorflow程式碼。這裡記錄下在論文閱讀過程中的一些細節資訊，留給自己，同時也希望各位能指出本人

目標檢測演算法-特徵提取之（一）Haar特徵

1、Haar-like特徵 Haar特徵最先由Paul Viola等人提出，後經過Rainer Lienhart等擴充套件引入45°傾斜特徵。Haar特徵分為三類：邊緣特徵、線性特徵、中心特徵和對角線特徵，組合成特徵模板。OpenCV（2.4

目標檢測演算法理解：從R-CNN到Mask R-CNN

　　因為工作了以後時間比較瑣碎，所以更多的時候使用onenote記錄知識點，但是對於一些演算法層面的東西，個人的理解畢竟是有侷限的。我一直做的都是影象分類方向，最近開始接觸了目標檢測，也看了一些大牛的論文，雖然網上已經有很多相關的演算法講解，但是每個人對同一個問題的理解都不太一樣，本文主

目標檢測演算法的演進（two-stage檢測演算法）：R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN、Mask R-CNN

什麼是目標檢測（object detection）： 目標檢測（object detection），就是在給定的一張圖片中精確找到物體所在的位置，並標註出物體的類別。所以，目標檢測要解決的問題就是物體在哪裡以及是什麼的整個流程問題。 但是，在實際照片中，物體的尺寸變化範圍很大，擺放物體的

論文筆記：目標檢測演算法（R-CNN，Fast R-CNN，Faster R-CNN，YOLOv1-v3）

R-CNN（Region-based CNN） motivation：之前的視覺任務大多數考慮使用SIFT和HOG特徵，而近年來CNN和ImageNet的出現使得影象分類問題取得重大突破，那麼這方面的成功能否遷移到PASCAL VOC的目標檢測任務上呢？基於這個問題，論文提出了R-CNN。 基本步驟：如下圖

常用目標檢測演算法：R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD

一、目標檢測常見演算法         object detection，就是在給定的圖片中精確找到物體所在位置，並標註出物體的類別。所以，object detection要解決的問題就是物體在哪裡以及是什麼的整個流程問題。

目標檢測演算法綜述：R-CNN，faster R-CNN，yolo，SSD，yoloV2

1 引言 深度學習目前已經應用到了各個領域，應用場景大體分為三類：物體識別，目標檢測，自然語言處理。上文我們對物體識別領域的技術方案，也就是CNN進行了詳細的分析，對LeNet-5 AlexNet VGG Inception ResNet MobileNet等各種優秀的模型

基於深度學習的目標檢測演算法：Faster R-CNN

問題引入：         R-CNN、SPP net、Fast R-CNN等目標檢測演算法，它們proposals都是事先通過selecetive search方法得到。然而，這一過程將耗費大量的時間，從而影響目標檢測系統的實時性。Faster R-CNN針對這一問題，提

Domain Adaptive Faster R-CNN：經典域自適應目標檢測演算法，解決現實中痛點，程式碼開源 | CVPR2018

> 論文從理論的角度出發，對目標檢測的域自適應問題進行了深入的研究，基於H-divergence的對抗訓練提出了DA Faster R-CNN，從圖片級和例項級兩種角度進行域對齊，並且加入一致性正則化來學習域不變的RPN。從實驗來看，論文的方法十分有效，這是一個很符合實際需求的研究，能解決現實中場景多樣