R-CNN

标题：《Rich feature hierarchies for accurate object detection and semantic segmentation》

时间：2014

出版源：CVPR 2014

主要链接：

• arXiv：http://arxiv.org/abs/1311.2524
• github(caffe)：https://github.com/rbgirshick/rcnn

R-CNN 创新点:

• 使用CNN（ConvNet）对 region proposals 计算 feature vectors。从经验驱动特征（SIFT、HOG）到数据驱动特征（CNN feature map），提高特征对样本的表示能力。
• 采用大样本下（ILSVRC）有监督预训练和小样本（PASCAL）微调（fine-tuning）的方法解决小样本难以训练甚至过拟合等问题。

注：ILSVRC其实就是众所周知的ImageNet的挑战赛，数据量极大；PASCAL数据集（包含目标检测和图像分割等），相对较小。

R-CNN 介绍:

　　R-CNN作为R-CNN系列的第一代算法，其实没有过多的使用“深度学习”思想，而是将“深度学习”和传统的“计算机视觉”的知识相结合。比如R-CNN pipeline中的第二步和第四步其实就属于传统的“计算机视觉”技术。使用selective search提取region proposals，使用SVM实现分类。

原论文中R-CNN pipeline只有4个步骤，光看上图无法深刻理解R-CNN处理机制，下面结合图示补充相应文字

• 预训练模型。选择一个预训练 （pre-trained）神经网络（如AlexNet、VGG）。

• 重新训练全连接层。使用需要检测的目标重新训练（re-train）最后全连接层（connected layer）。

• 提取 proposals并计算CNN 特征。利用选择性搜索（Selective Search）算法提取所有proposals（大约2000幅images），调整（resize/warp）它们成固定大小，以满足 CNN输入要求（因为全连接层的限制），然后将feature map 保存到本地磁盘。

• 训练SVM。利用feature map 训练SVM来对目标和背景进行分类（每个类一个二进制SVM）

• 边界框回归（Bounding boxes Regression）。训练将输出一些校正因子的线性回归分类器

R-CNN 实验结果:

R-CNN在VOC 2007测试集上mAP达到58.5%，打败当时所有的目标检测算法。

转：目标检测