理工酷
资源下载
R-CNN是下面所有提到的算法的根算法，它为研究人员提供了在其之上构建更复杂，更好的算法的途径。下面解释R-CNN及它的变体。
R-CNN（基于区域的卷积神经网络）
R-CNN包含3个简单步骤：
使用选择性搜索（Selective Search）算法在输入图像中扫描可能的对象，生成约2000个候选区域（region proposals）
在每个候选区域之上运行卷积神经网络- （CNN）
取每个CNN的输出，并将其输入到 a）支持向量机（SVM）对区域进行分类， b）线性回归器以收紧对象的边界框（如果存在这样的对象）。
Fast R-CNN（基于区域快速识别的CNN）
Fast R-CNN紧随R-CNN之后。通过以下几点,Fast R-CNN更快更好：
在候选区域之前对图像进行特征提取，因此在整个图像上只运行一个CNN，而不是在2000个重叠区域中运行2000个CNN
用softmax层替换SVM，扩展神经网络进行预测，而不是创建新模型。
直观地讲，删除2000个conv图层并进行一次卷积，以及在其上放置框是很有意义的。
Faster R-CNN（基于快速区域生成网络的CNN）
Fast R-CNN的缺点之一是选择性搜索算法比较慢，Faster R-CNN引入了候选区域网络（RPN）。
下面RPN的工作原理：
在初始CNN的最后一层，一个3x3滑动窗口在特征图上移动并将其映射到较低的维度（例如256-d）。对于每个滑动窗口位置，它会根据k个固定比例的锚点生成多个可能的区域框（默认边界框）.
每个候选区域包括：
该区域的“客观”得分，
4个代表区域边界框的坐标。换句话说，我们查看最后一个特征图中的每个位置，并考虑以k为中心的k个不同的框：高框，宽框，大框等。
对于每个框，要看输出是否包含对象以及该框的坐标是什么。下面一个滑动窗口位置的外观：
2k scores表示k个边界框中的每一个在“对象”上的softmax概率。请注意，尽管RPN输出边界框的坐标，但它不会尝试对任何潜在对象进行分类：它的唯一工作仍然是选取对象区域。如果锚点框的“客观性”得分高于某个阈值，则该框的坐标将作为候选区域而向前传递。
一旦有了候选区域，就将它们直接馈入实质上的Fast R-CNN。我们添加了一个池化层，一些全连接层，最后是一个softmax分类层和边界框回归器。从某种意义上说，Faster R-CNN = RPN + Fast R-CNN.
