Light Head R-CNN個人總結
1. Motivation
先梳理一下Faster RCNN和R-FCN。 Faster RCNN得到RoI後，進行RoI pooling，得到7x7xchannel的feature map，然後連線上2個FC層，再分類和迴歸。 R-FCN則是一方面得到RoI，另一方面繼續卷積得到一個7x7x(num_cls+1)x7x7的Position sensitive score map。然後進行PSRoI pooling，得到7x7x(num_cls+1)的feature map。直接通過vote(global ave pooling)，分類和迴歸。
(1)針對準確率: faster rcnn通常為了減少計算量，會對7x7xchannel的feature map直接global pooling。但這樣會影響定位效果。 R-FCN的PSROI pooling本身並不是RoI-wise(roi中每個grid都不是對應感受野的資訊，而是不同通道的資訊)，準確率通常不如faster rcnn。 (2)針對速度，faster rcnn序列計算每個roi，導致網路較慢，尤其是roi很多的情況下。 r-fcn則是因為要計算一個巨大的score map，也很費時。
所以提出light head rcnn，從而make a goog trade-off between the performance and computational speed。
2. light head rcnn
(1) thin feature map
thin指的是通道數變少了，主要針對r-fcn的score map的，原來是7x7x(num_cls+1)x7x7的feature map，現在變為7x7x10x7x7的feature map。其中兩個7x7指的是w和h。通道為490。
此外，如何得到這個feature map，也不再是r-fcn中的1x1卷積，而是引入了inception結構。這裡稱之為large seperable convolution。
(2) R-CNN subnet
由於score map的通道變成了7x7x10。因此PSRoI pooling後，roi的通道只有10，無法進行vote。 因此，我們連線上FC層，再進行分類和迴歸。
此外，除了PSROI pooing，我們也可以用RoI pooling。 RoI pooling因為時roi-wise，效果反而比PSRoI pooling好。
在rcnn subnet這塊，與faster rcnn相比，沒有太大的變化。
本文使用的base network 是Xception。最後作者對比了一系列實驗，證明light head rcnn無論是mAP還是速度，都超過了FPN、mask r-cnn、RetinaNet、YOLOv2、SSD。
所以，嘗試light head rcnn吧！