RCNN +SPP+fast-RCNN+faster—RCNN浅显的初步理解

(1)  R-CNN:

Region CNN 其实就是基于候选区域的目标检测。基本框架如下：

首选选定region proposals (方法大多为：Selective search ，edge box)àCNN 网络进行特征提取àSVM进行分类àBB进行回归，返回regions 以及类别

(2)  SPP

Spatial pyramid pooling 它是在CNN的基础上做一些改动，正如它的定义，金字塔式的池化，SPP代替了CNN中POOL5层，换成SPPpooling层。传统CNN中pooling层的滑动窗口是一定的，但在SPP中可以看到，它的pooling层是分层的，正如SPP自身的含义——金字塔式池化一样，它每层pooling  bins的大小是可变的，它的大小是个输入图像的大小成比例的；同时pooling bins的个数是确定的，这就相当于多尺度的poolingSPPpooling的特点：他的pooling是分层的，每一层的poolingbins 的大小是可以变化的。Pooling bins 的数量是一定的。传统的CNN网络是只能接受大小统一的图片，实际上，在传统CNN网络结构中，卷积层是不需要大小统一的图片。因此，SPP就在传统的CNN网络结构中的最后一层卷积层后紧跟SPP层，可输入大小不一致的图片，输出统一大小的图片，继而作为全连接层的输入。其优点是不需要reshape image 也不用crop & warp image 图像也不会丢失特征信息。

(3)  fast-RCNN

在此基础上，MSRA又提出了Fast-RCNN。相较与RCNN和SPP-net，它的亮点在于：

1）MAP相较于RCNN也有很大的提高；

2）训练过程通过运用多任务损失，实现单步骤完成；

3）在训练过程中所有层都可以得到更新；

4）不再需要磁盘存储器作为特征缓存；

5） 比RCNN的训练时间快，测试时间快

在微调阶段曾谈及SPP-net只能更新FC层，这是因为卷积特征是线下计算的，从而无法再微调阶段反向传播误差。而在fast-RCNN中则是通过image-centric sampling提高了卷积层特征抽取的速度，从而保证了梯度可以通过SPP层（即ROI pooling层）反向传播

 

(4)faster-RCNN

Faster-R-CNN由两大模块组成：PRN候选框提取模块；Fast R-CNN检测模块。其中，RPN是全卷积神经网络，用于提取候选框；Fast R-CNN基于RPN提取的proposal检测并识别proposal中的目标。相对fast-RCNN faster 用RPN代替了SS来产生region proposal

RPN：RPN的核心思想是使用CNN卷积神经网络直接产生Region Proposal，使用的方法本质上就是滑动窗口（只需在最后的卷积层上滑动一遍），因为anchor机制和边框回归可以得到多尺度多长宽比的Region Proposal。

RPN网络也是全卷积网络（FCN，fully-convolutional network），可以针对生成检测建议框的任务端到端地训练，能够同时预测出object的边界和分数。只是在CNN上额外增加了2个卷积层（全卷积层cls和reg）。

①将每个特征图的位置编码成一个特征向量（256dfor ZF and512d for VGG）。

②对每一个位置输出一个abjectness score和regressed bounds for k个region proposal，即在每个卷积映射位置输出这个位置上多种尺度（3种）和长宽比（3种）的k个（3*3=9）区域建议的物体得分和回归边界。

RPN网络的输入可以是任意大小（但还是有最小分辨率要求的，例如VGG是228*228）的图片。如果用VGG16进行特征提取，那么RPN网络的组成形式可以表示为VGG16+RPN。

(5)  VGG16

A.  卷积：

B.   池化（包括最大池化，最小池化，均值池化等）

C.  步长（stride）：做卷积时候，卷积核每次移动的长度（例如：上图的格子）

D.  卷积核：上图红色的模板，就是卷积核。他的个数，也就是得到卷积结果的粉红色矩阵的个数，就是卷积核的个数

E.   Padding :在做卷积之后减小了维度。有时候，我们不想改变图片的大小（维度），因此我们需要padding。就是在矩阵外面周围加一圈“0”

F.   VGG：

网络结构：

第一层（Conv1_1），它怎么把一个300*300*3的矩阵变成一个300*300*64的矩阵？

我们假设蓝色框是一个RGB图像，橙色是一个3*3*3的卷积核，我们对一个三维的27个数求和，然后扫过去，按照第一部分算的得出来的是一维的298*298的矩阵（因为卷积核也是三维所以结果是一维）；padding之后得到： 300*300*1；

然后，VGG16这一层安置有64个卷积核，那么，原来的300*300*1变成300*300*64

接着：Conv1--->Conv2

然后依次~未完~~

参考文章：

http://www.360doc.com/content/17/0303/14/10408243_633634497.shtml

http://blog.csdn.net/errors_in_life/article/details/65950699