目标檢測--R-CNN

論文文獻：Rich feature hierarchies for accurate object detection and semantic segmentation

算法流程圖

1、産生目标區域候選

滑窗：

為了檢測目标物體的可能位置，我們采用不同尺度的矩形方塊，在圖像上水準、垂直移動，以便能夠檢測到可能目标位置。而這個矩形方塊就是滑窗。

這種方法的缺陷：我們不知道目标物體的大小，而使用這種方法進行窮舉，計算量太大。

selective search：

R-CNN目标檢測所采用的方法。

selective search的政策，既然是不知道尺度是怎樣的，那我們就盡可能周遊所有的尺度好了，但是不同于暴力窮舉，我們可以先得到小尺度的區域，然後一次次合并得到大的尺寸就好了，這樣也符合人類的視覺認知。既然特征很多，那就把我們知道的特征都用上，但是同時也要照顧下計算複雜度，不然和窮舉法也沒啥差別了。最後還要做的是能夠對每個區域進行排序，這樣你想要多少個候選我就産生多少個，不然總是産生那麼多你也用不完不是嗎？

2、CNN目标特征提取

選擇2K個置信度最高的區域候選之後，首先是用AlexNet模型，進行無監督的預訓練初始化CNN的參數。之後進行遷移學習，RCNN使用ImageNet的有标簽資料進行有監督的預訓練，然後再在本資料集上微調最後一層全連接配接層。訓練CNN的樣本量還是不能少的，是以RCNN将正樣本定義的很寬松，為了盡可能擷取最多的正樣本，RCNN将IOU>0.5（IoU 指重疊程度，計算公式為：A∩B/A∪B）的樣本都稱為正樣本。并且CNN對于輸入的圖檔大小都要求尺寸一緻，是以對于每一個候選區域縮放到227*227。

CNN特征層選取

現在CNN已經能夠提取到目标的特征了，但是CNN的層數很多，選擇哪一層作為特征提取層呢？RCNN進行了寬泛的實驗，最終選擇的fc層。

3、目标種類分類器

通過R-CNN提取了特征之後，使用SVM進行分類，由于SVM要進行精确的分類，是以将IOU>0.3的樣本作為負樣本，這樣也是SVM困難樣本挖掘的方法。

4、貪婪非極大值抑制

由于最後得到的目标區域肯定不會是一個，是以RCNN使用貪婪非極大值抑制的方法，假設ABCDEF五個區域候選，首先根據機率從大到小排列。假設為FABCDE。然後從最大的F開始，計算F與ABCDE是否IoU是否超過某個門檻值，如果ABC超過則将ABC舍棄。然後再從D開始，直到周遊結束。而這個門檻值是篩選得到的，通過這種處理之後一般隻會剩下幾個區域候選了。

5、BoundingBox回歸

為了能夠提高準确度，讓方框準确的框住所要檢測的目标，RCNN在貪婪非極大值抑制後進行BoundingBox回歸，進一步微調BoundingBox的位置。

R-CNN缺點

RCNN雖然效果很好，但是存在一些問題，比如時間代價太高了，網絡訓練是分階段的，太麻煩了等。