CNN物体检测(~2016).pdfVIP

CNN物体检测 基于CNN物体检测可以分为两个流派 ，一个是two-stage ，一个是one-stage。two-stage是第一个阶段先找到物体的候 选框 ，然后第二个阶段判断该候选框的类别以及具体位置。代表工作有 ：R-CNN,Fast R-CNN,Faster R-CNN,R-FCN 等。one-stage方法就是一下子找到物体的分类和具体位置。代表工作有 ：YOLO,YOLOv2,SSD等。下面将简单介绍一下 上述论文。 two-stage物体检测 R-CNN “Rich feature hierarchies for accurate obj ect detection and semantic segmentation” R-CNN物体检测主要有四个步骤 ： 1.提出类别无关的候选区域 ，如obj ectness ，selective search 2.用CNN对候选区域提取特征 ，如AlexNet。先用ImageNet预训练网络 ，再用VOC进行finetune。finetune时把最后 1000类改为21类。ss得到的候选框与groud trueth的IOU大于0.5的为正样本 ，否则为负样本。提取4096维的特征作为 这个区域的特征向量。实验表明提取fc1 （也称fc6 ，因为包括之前的5层卷积层 ）的效果比fc2 （也称fc7 ）要差一些。 3.用SVM对提取的区域特征进行分类。每个类训练一个SVM分类器 ，由于负样本太多 ，采用了hard negtive方法。 4.BB(bounding box)回归。提出的候选框坐标为(p ,p ,p ,p ) ，其中(p ,p )为候选框中心 ，p ,p 为候选框的宽和高。类 x y w h x y w h 似的 ，groud truth框坐标为(g ,g ,g ,g )。BB回归需要学习以下四个映射f (p ),f (p ),f (p ) ,f (p )满足 ： x y w h x y w h g = p + f (p ) ⋅p x x x w g = p + f (p ) ⋅p y y y h g = p ⋅ exp(f (p )) w w w g = p ⋅ exp(f (p )) h h h Fast R-CNN “Fast R-CNN” 对R-CNN进行了改进 ，首先借鉴了SPP Net的思路 ，对整张输入图像进行卷积 （而不是R-CNN中对每个候选区域进行卷 积 ），然后对候选区域进行ROI pooling （SPP Net是采用SPP pooling ），可以对任何尺寸的候选区域生成定长的特征向 量。其次 ，将分类和BB回归用神经网络实现。 Fast R-CNN物体检测主要有个步骤 ： 1.提出类别无关的候选区域 ，如obj ectness ，selective search 2.对整张输入图像进行卷积、池化等操作 ，得到feature maps 3.