深度学习笔记之使用Faster |
您所在的位置:网站首页 › fast用来干什么 › 深度学习笔记之使用Faster |
不多说,直接上干货!
Object Detection发展介绍 Faster rcnn是用来解决计算机视觉(CV)领域中Object Detection的问题的。经典的解决方案是使用: SS(selective search)产生proposal,之后使用像SVM之类的classifier进行分类,得到所有可能的目标. 使用SS的一个重要的弊端就是:特别耗时,而且使用像传统的SVM之类的浅层分类器,效果不佳。 鉴于神经网络(NN)的强大的feature extraction特征,可以将目标检测的任务放到NN上面来做,使用这一思想的目标检测的代表是: RCNN Fast-RCNN到Faster-RCNN YOLO等
简单点说就是: RCNN 解决的是,“为什么不用CNN做detection呢?” Fast-RCNN 解决的是,“为什么不一起输出bounding box和label呢?” Faster-RCNN 解决的是,“为什么还要用selective search呢?”
Faster-Rcnn原理简介 鉴于之上的分析,想要在时间上有所突破就要在如何更快的产生proposal上做工夫。 Faster使用NN来做region proposal,在Fast-rcnn的基础上使用共享卷积层的方式。作者提出,卷积后的特征图同样也是可以用来生成 region proposals 的。通过增加两个卷积层来实现Region Proposal Networks (RPNs) , 一个用来将每个特征图 的位置编码成一个向量,另一个则是对每一个位置输出一个 objectness score 和 regressed bounds for k region proposals.
RPN RPN的作用有以下几个: (1) 输出proposal的位置(坐标)和score (2) 将不同scale和ratio的proposal映射为低维的feature vector (3) 输出是否是前景的classification和进行位置的regression
这里论文提到了一个叫做Anchor的概念,作者给出的定义是: The k proposals are parameterized relative to k reference boxes, which we call anchors
我的理解是:不同ratio和scale的box集合就是anchor, 对最后一层卷积生成的feature map将其分为n*n的区域,进行不同ratio和scale的采样.
RPN的cls和reg RPN输出对于某个proposal,其是属于前景或者背景的概率(0 or 1),具体的标准论文里给出的是: 和所有的ground-truth的IoU(Intersection-over-union)小于0.3视为negative(背景) 和任意的ground-truth的IoU大于0.7视为positive(前景) 不属于以上两种情况的proposal直接丢掉,不进行训练使用
对于regression,作用是进行proposal位置的修正: 学习k个bounding-box-regressors 每个regresso负责一个scale和ratio的proposal,k个regressor之间不共享权值
RPN Training 两种训练方式: joint training和alternating training 两种训练的方式都是在预先训练好的model上进行fine-tunning,比如使用VGG16、ZF等,对于新加的layer初始化使用random initiation,使用SGD和BP在caffe上进行训练 alternating training 首先训练RPN, 之后使用RPN产生的proposal来训练Fast-RCNN, 使用被Fast-RCNN tuned的网络初始化RPN,如此交替进行 joint training首先产生region proposal,之后直接使用产生的proposal训练Faster-RCNN,对于BP过程,共享的层需要combine RPN loss和Faster-RCNN los
Result 结果自然不用说,肯定是state-of-art,大家自己感受下吧
参考博客 使用Faster-Rcnn进行目标检测作者:大数据和人工智能躺过的坑 出处:http://www.cnblogs.com/zlslch/ 本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文链接,否则保留追究法律责任的权利。 如果您认为这篇文章还不错或者有所收获,您可以通过右边的“打赏”功能 打赏我一杯咖啡【物质支持】,也可以点击右下角的【好文要顶】按钮【精神支持】,因为这两种支持都是我继续写作,分享的最大动力! |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |