目标检测之Faster R-CNN通俗详解

算法简介
我们都知道，Fast R-CNN虽然提高了目标检测算法质的飞跃，但是在Fast R-CNN中仍然存在很大的瓶颈，那就是候选框选取特别耗时的问题，而Faster R-CNN恰恰就是在这一问题上的解决方案。
关于Faster R-CNN，是rgb在2015年提出，他将proposal的提取、特征提取、boundingbox回归和分类都放到一个网络中，提高了算法的整体性能。

Faster R-CNN的核心原理
可以发现，Faster R-CNN主要有4个部分：
1）主干网络：CNN卷积网络，使用13个conv+13个ReLU+4个Pooling来提取feature map，这些feature map然后会共享用在后续的RPN和FC层；
2）RPN（Region Proposal Networks）：RPN网络用于生成region proposals，通过softmax完成背景和前景的二分类，然后利用boundingbox regession来对anchors进行修正，得到候选目标的初定位；
3）ROI Pooling：将得到的proposals的初定位位置信息映射到feature map，得到proposal feature maps，送入FC层；
4）分类和回归：一个FC进行类别的判定，一个进行位置回归；（精分类和回归）

RPN（Region Proposal Networks）
RPN其实就是背景和前景二分类（粗分类）+候选框初定位（粗回归）+anchor机制；

先来说说anchor机制：
在Faster R-CNN中，抛弃了以往的SS来作为候选区域的选取方法，而是利用anchor机制来寻找region proposals；并且这些anchor是基于feature map的。
作者选取了9个不同尺寸的候选区域（叫做anchor），其中3个面积尺寸，分别为128x128, 256x256， 512x512；3个aspect ratio，分别是1:1， 1:2，2:1，这样一来就会有9个anchor，即k=9，如图：

然后以feature map的每个点为中心锚点，配置上面提到的9个anchor，组成一个anchor集；
RPN的输入是融合了位置信息的卷积特征maps，输出是proposals；
RPN采用全卷积网络结构，首先是3x3卷积核，通道数为512的卷积层，然后两个并行的1x1卷积层，其中左边的那个通道数为2k，也就是用于后面前景和背景二分类的，叫做分类层；右边的那个通道数为4k，用于proposal的位置的粗略定位，叫做回归层，又叫做边界框调整层；
通过分类层和回归层，我们就能够针对每一个anchor，得到一个大概粗略位置的良好的proposal。

与其他算法的对比

后续的改进