轉自：https://blog.csdn.net/u010725283/article/details/79017158

RCNN系列：RCNN，SPPNet，Fast RCNN，Faster RCNN，R-FCN。這一系列是個遞進關係，也是目標檢測使用two-stage方法的一個發展過程。想要更好的理解Faster RCNN和R-FCN，只能把這些演算法都梳理清楚了，才能明白演算法的整個優化過程。

本篇講解的是Fast RCNN。2015年，在SPPNet之後發表在IEEE。

理解了SPPNet之後，我們知道了RCNN已經進化到了SPPNet階段，那麼，Fast RCNN又更進一步。

再看SPPNet過程：

1.  使用selective search演算法為每一張待檢測的圖片提取出2000左右的候選框，這一點和RCNN相同；
2. 特徵提取階段，整個圖片輸入到SPPNet中，提取出整張圖片的feature map，然後將原圖上的候選框對映到feature map上。然後對各個候選框對應的feature map上的塊做金字塔空間池化，提取出固定長度的特徵向量；
3. 使用SVM演算法對得到的特徵向量分類識別；
4. 使用NMS做極大值抑制。

Fast RCNN的過程：

1. 使用selective search演算法為每一張待檢測的圖片提取出2000左右的候選框，這一點和RCNN相同；
2. 特徵提取階段，同樣是提取出整張圖片的feature map，然後將原圖上的候選框對映到feature map上。然後對各個候選框對應的feature map上的塊做ROI pooling，提取出固定長度的特徵向量；
3. 對於上一步的每一個ROI，網路輸出每個類的概率和每個bounding box；
4. 最後，使用NMS演算法。

Fast RCNN的整個演算法流程如下圖所示：

Fast RCNN的最大貢獻就是將SVM給去掉了，換句話說就是將分類器整合到了網路中，那麼在訓練過程中，由RCNN的三個階段（selective search，CNN，SVM）到了Fast RCNN的兩個階段（selective search ，Fast RCNN）。用機器學習的角度來看，就是一個過程的全域性最優要優於多個過程的全域性最優。

這樣就可以把Fast RCNN看作是一個分類器和迴歸器的整合。這個思想作者是借鑑了deepmultibox。

具體做法即是，使用Multi-task loss。

其中：

具體引數的設定可以參考論文。

那麼有了loss後，最重要的就是迭代過程的設定，具體看最後一層的網路結構：

cls_score層用於分類，輸出K+1維陣列，表示屬於K類和背景的概率；

bbox_predict層用於bounding box，輸出4*K維陣列，表示各個物體和Ground truth的偏移量。

基礎網路作者使用的是VGG。

連線詳細講解了VGG的網路結構。

Fast RCNN中一個關鍵點：ROI pooling。

其實ROI pooling是SPP的一個特殊形式。ROI pooling只使用了一種尺度，統一將feature map對映到7*7的大小。

將SPP過程弄明白，ROI pooling就會很清楚了。

總結：Fast RCNN比SPPNet又更近一步，將SVM整合到網路中，將三個階段的訓練過程整合為兩個階段。這樣速度會提高，訓練難度同樣也會降低。

參考：

Fast R-CNN