论文--R-FCN

标签：大小   als   深度   相关   osi   bin   参数   channel   mini   

R-FCN:  Object Detection via Region-based Fully Convolutional Networks

R-FCN 的网络结构：

不同于之前的fast/faster R-CNN的region-based，paper中的new network是shared, fully convolutional 的网络结构。

Paper是奔着节约计算的角度，因为r-cnn 系列的网络结构分为两部分，一部分是Shared Conv层，另一部分是针对region proposal的Conv+FC层，fast RCNN和faster RCNN做的工作是延长Shared Conv，缩小非共享的后面部分。

R-FCN做的是将regional proposal后面的Conv基本转移到Shared Conv部分。 减少Conv计算。

随着网络深度的增加，网络对location的敏感度也越来越低，这就是 translation-invariance。

1, structure

本paper做的跟faster RCNN的区别是：将Conv5层ROI-pooling之后的pooled feature maps ，不要再针对每一个ROI之后再进行Conv计算了。而是，将Conv5层进行fully convolutional layer, 得到 K^2*(c+1) x w x h的feature maps， 然后对该feature map 进行position-sensitive pooling 得到 k x k x (c+1) 大小的score map，之后做 average pooling （voting）得到 (c+1)的vector就可以放进 softmax判断了，所以，feature map后面的不涉及到Conv层，计算量很小。

2, position-sensitive score maps

Position-sensitive score maps: 对最后一层Conv层得到的feature maps，对于每一个wxh 大小的RoI rectangle，一个bin的大小是 w/k * h/k ， 最后产生 k^2 个bin，对于 (i，j)个bin，产生score maps的操作公式是：

上面所说的是针对category，而针对bounding boxes，类似，直接将C+1变为4即可， bounding box t = (tx, ty, tw, th)

3, training:

对于每一个ROI，loss是 cross-entropy loss和box regression loss的总和

Training method在本算法中可以很容易采用online hard example mining (OHEM)， 对于一张image的N个proposals，选择loss最大的B个proposal进行backpropagation，因为per-RoI的计算量极小可以忽略。

R-FCN的特点：

(1)， 所有可以学习的参数都是都是 convolutional 且针对 fully feature maps

(2)， RoI-pooling之后的score maps之后的计算没有参数

(3)，R-FCN的最后一个Conv层，其channel数跟 类别数C和 spatial grid describing relative positions K 相关，

总结：

(1)， R-FCN可以说是faster-RCNN的一个再次升级

(2)， 但是R-FCN的position-sensitive scores maps看起来适用性有限，paper也只给出了resnet101的版本而没有vgg或者googlenet作为baseline。

论文--R-FCN

标签：大小   als   深度   相关   osi   bin   参数   channel   mini   

原文地址：http://www.cnblogs.com/zhang-yd/p/6568137.html