目标检测 - RCNN系列模型

这篇具有很好参考价值的文章主要介绍了目标检测 - RCNN系列模型。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1. RCNN

论文:Rich feature hierarchies for accurate object detection and semantic segmentation

地址:https://arxiv.org/abs/1311.2524

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

分为两个阶段:

  • 目标候选框Object Proposals
  • Proposals缩放后放入CNN网络

目标候选框的实现:区域提案方法(Extract region proposals):使用选择性搜索selective search提取2000个候选区域,经过得到的(x',y',w',h')与现实标注(x,y,w,h)以欧式距离损失做回归

对候选框bounding box进行评分和整合。

selective search

使用一种过分隔方法,将图片分隔成比较小的区域

计算所有临近区域之间的相似性,包括颜色、纹理、尺度等

将相似度比较高的区域合并到一起

计算合并区域和临近区域到相似度

迭代合并,知道整个图片变成一个区域。

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

在选取候选框的时候,除了选择性搜索,还可以使用边缘框edge boxes的方法。

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

RCNN过程

  • 一张图像生成1000到2000个候选区域(使用selective search方法)
  • 对每个候选区域,使用深度网络提取特征(卷积池化)
  • 特征送入每一类SVM分类器,判别是否属于该类
  • 使用回归器精细修正候选框位置

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

不是一个端到端的结构,整体结构比较松散。

  1. 候选区域的生成

    利用Selective Search算法通过图像分割的方法得到一些原始区域,然后使用一些合并策略将这些区域合并,得到一个层次化的区域结构,而这些结构就包含着可能需要的物体。

  2. 对每个候选区域,使用深度网络提取特征

    将2000个候选区域缩放到 277 × 277 p i x e l 277\times 277 pixel 277×277pixel,接着将候选区域输入事先训练好的AlexNet CNN网络中,获取4096维到特征,得到 2000 × 4096 2000\times 4096 2000×4096维矩阵。

    目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

  3. 特征送入每一类的SVM分类器,判定类别

    2000 × 4096 2000\times4096 2000×4096维特征与20个SVM组成的权值矩阵 4096 × 20 4096\times20 4096×20相乘,获得 2000 × 20 2000\times20 2000×20维矩阵表示每个建议框是某个目标类别的得分。分别对上述 2000 × 20 2000\times20 2000×20维矩阵中每一列即每一类进行非极大值抑制剔除重叠建议框,得到该列即该类中得分最高的一些建议框。

  4. 使用回归器精细修正候选框位置 - 依然是针对CNN输出的特征向量进行预测

    对NMS处理后剩余的建议框进一步筛选。接着分别用20个回归器对上述20个类别中剩余的建议框进行回归操作,最终得到每个类别的修正后的得分最高的bounding box。

    如图,黄色框口P表示建议框Region Proposal,绿色窗口G表示世纪框Ground Truth,红色窗口 G ^ \hat G G^表示Region Proposal进行回归后的预测窗口,可以用最小二乘法解决的线性回归问题。

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

非极大值抑制(NMS)

非极大值抑制,为了去除冗余的检测框。

在对conv5后的特征图,接入SVM进行打分,打好分后做非极大值抑制。

非极大值抑制过程:

  • 假设有3个框,根据SVM的打分顺序:概率从大到小为A、B、C
  • 判断B、C与A的重复率IoU是否大于阀值,如果大于阀值,则丢弃。如果小于阀值,则保留。
  • 保留下来的框,根据打分排序,重复上诉过程。

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

IoU 交并比

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

Bounding-box regression是用来微调窗口的。

(x,y,w,h)x,y为平移,w,h为尺度缩放。

RCNN框架

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉


2. Fast-RCNN

论文:Fast R-CNN

地址:https://arxiv.org/abs/1504.08083

Fast R-CNN是继R-CNN之后的又一力作。同样使用VGG16作为网络的backbone,与R-CNN相比,训练时间快6倍,测试推理时间快213倍,准确率从62%提升至66%(在Pascal VOC数据集上)。

Fast RCNN算法流程

  • 一张图像生成1000到2000个候选区域(使用Selective Search方法)
  • 将图像输入网络得到相应的特征图,将SS算法生成的候选框投影到特征图上获得相应的特征矩阵
  • 将每个特征矩阵通过ROI Pooling层缩放到 7 × 7 7\times 7 7×7大小的特征图,接着将特征图展平通过一系列全连接层得到预测结果。

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

一次性计算整张图像特征。不限制输入图像的尺寸。Fast-RCNN将整张图像送入网络,紧接着从特征图上提取相应的候选区域。这些候选区域的特征不需要再重复计算。而对于R-CNN,是一次将候选框区域输入卷积神经网络得到特征。

分类器,输出N+1个类别的概率(N为检测目标的种类,1为背景),用N+1个节点。

边界框回归器,输出对应N+1个类别的候选边界框回归参数 ( d x , d y , d w , d h ) (d_x,d_y,d_w,d_h) (dx,dy,dw,dh),共 ( N + 1 ) × 4 (N+1)\times4 (N+1)×4个节点。

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

Fast RCNN损失函数

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

分类损失: L c l s ( p , u ) = − l o g p u L_{cls}(p,u) = -logp_u Lcls(p,u)=logpu

边界框回归损失:
L l o c ( t u , v ) = ∑ i ∈ { x , y , w , h } s m o o t h L 1 ( t i u − v i ) s m o o t h L 1 ( x ) = { 0.5 x 2     i f ∣ x ∣ < 1 ∣ x ∣ − 0.5     o t h e r w i s e L_{loc}(t^u,v) = \sum_{i\in\{x,y,w,h\}}smooth_{L_1}(t^u_i-v_i) \\ smooth_{L_1}(x) = \begin{cases} 0.5x^2 \ \ \ if |x|<1 \\ |x|-0.5 \ \ \ otherwise \end{cases} Lloc(tu,v)=i{x,y,w,h}smoothL1(tiuvi)smoothL1(x)={0.5x2   ifx<1x0.5   otherwise

补充:Cross Entropy Loss交叉熵损失

  1. 针对多分类问题(softmax输出,所有输出概率和为1)
    H = − ∑ i o i ∗ l o g ( o i ) H = -\sum_io^*_ilog(o_i) H=ioilog(oi)

  2. 针对二分类问题(sigmoid输出,每个输出节点之间互不干预)
    H = − 1 N ∑ i = 1 N [ o i ∗ l o g o i + ( 1 − o i ∗ ) l o g ( 1 − o i ) ] H = -\frac{1}{N}\sum^N\limits_{i=1}[o^*_ilogo_i+(1-o^*_i)log(1-o_i)] H=N1i=1N[oilogoi+(1oi)log(1oi)]
    其中 o i ∗ o^*_i oi为真实标签值, o i o_i oi为预测值,默认 l o g log log e e e为底等于 l n ln ln

Fast RCNN框架

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉


3. Faster-RCNN

论文:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

网址:https://arxiv.org/abs/1506.01497

Faster RCNN是继Fast RCNN后的又一力作。同样适用VGG16作为网络的backbone。

RNP+Fast R-CNN

Faster RCNN算法流程

  • 将图像输入网络得到相应的特征图
  • 使用RPN结构生成候选框,将RPN生成的候选框投影到特征图上获得相应的特征矩阵
  • 将每个特征矩阵通过ROI Pooling层缩放到 7 × 7 7\times 7 7×7大小的特征图,接着将特征图展平通过一系列全连接层得到预测结果。

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

RPN网络

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

对于特征图上的每个 3 × 3 3\times 3 3×3的滑动窗口,计算出滑动窗口中心点对应原始图像上的中心点,并计算出k个anchor boxes(注意和proposal的差异)

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

需要提前设定好k个不同尺寸比例的anchor。在faster rcnn中给了三个尺度和三个比例。

三种尺度(面积): 12 8 2 , 25 6 2 , 51 2 2 128^2,256^2,512^2 128225625122,(面积具体数字,论文中说是根据经验所得)

三种比例: 1 : 1 , 1 : 2 , 2 : 1 1:1,1:2,2:1 1:11:22:1

意思就是,在 12 8 2 128^2 1282这个尺度上,有 1 : 1 , 1 : 2 , 2 : 1 1:1,1:2,2:1 1:11:22:1三个anchor,在 25 6 2 256^2 2562这个尺度上,有 1 : 1 , 1 : 2 , 2 : 1 1:1,1:2,2:1 1:11:22:1三个anchor,在 51 2 2 512^2 5122这个尺度上,有 1 : 1 , 1 : 2 , 2 : 1 1:1,1:2,2:1 1:11:22:1三个anchor。分别来负责检测不同大小的物体。

每个位置(每个滑动窗口)在原图上都对应有 3 × 3 = 9 3\times 3=9 3×3=9个anchor。

但是存在一个问题,VGG的感受野为228,那怎么去预测一个比它大的目标的边界框呢?如去预测 25 6 2 , 51 2 2 256^2,512^2 25625122尺度上的物体。论文中说,通过一个小的感受野去预测一个比它大的目标的边界框是有可能的,根据经验,我们看到一个物体的一部分,可以猜出这个物体的位置区域。

对于一张 1000 × 600 × 3 1000\times 600\times 3 1000×600×3的图像,大约有 60 × 40 × 9 ( 20 k ) 60\times 40\times 9(20k) 60×40×9(20k)个anchor,忽略跨越边界的anchor以后,剩下约 6 k 6k 6k个anchor。对于RPN生成的候选框之间存在大量重叠,基于候选框的 c l s cls cls得分,采用非极大值抑制, I o U IoU IoU设置为0.7,这样每张图片只剩2k个候选框。

在原论文中k=9

利用RPN生成的边界框回归参数将anchor调整到我们所需要的候选框。

对于每张图片,上万个anchor中,采样256个anchor,由正样本和负样本两部分组成,比例大概为1:1。如果正样本个数不足128,则用负样本进行填充。

定义为正样本的方式:

  • 只要anchor与ground-truth box的IoU大于0.7,则这个anchor为正样本。
  • anchor与某个ground-truth box拥有最大的IoU,则也认为它为正样本。

定义为负样本的方式:

  • 与所有ground-truth box的IoU小于0.3的anchor,则定义为负样本

对于正样本与负样本之外的所有anchor,则丢弃掉。

RPN损失函数

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

  • p i p_i pi表示第 i i i个anchor存在目标的概率
  • p i ∗ p^*_i pi当为正样本时为1,当为负样本时为0
  • t i t_i ti表示预测第 i i i个anchor的边界框回归参数
  • t i ∗ t^*_i ti表示第 i i i个anchor对应的GT Box
  • N c l s N_{cls} Ncls表示第一个mini-batch中的所有样本数量256
  • N r e g N_{reg} Nreg表示anchor位置的个数(不是anchor个数)约2400

分类损失:二值交叉熵损失

回归损失:

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉

Faster R-CNN训练

直接采用RPN Loss + Fast R-CNN Loss的联合训练方法

原论文中采用分别训练RPN以及Fast R-CNN的方法:

  • 利用ImageNet预训练分类模型初始化前置卷积网络层参数,并开始单独训练RPN网络参数。
  • 固定RPN网络独有的卷积层以及全连接层参数,再利用ImageNet预训练分类模型初始化前置卷积网络参数,并利用RPN网络生成的目标建议框去训练Fast RCNN网络参数。
  • 固定利用Fast RCNN训练好的前置卷积网络层参数,去微调RPN网络独有的卷积层以及全连接层参数。
  • 同样保持固定前置卷积网络层参数,去微调Fast RCNN网络的全连接层参数。最后RPN网络与Fast RCNN网络共享前置卷积网络层参数,构成一个统一网络。

Faster-RCNN框架

目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉
目标检测 - RCNN系列模型,AI,目标检测,人工智能,计算机视觉文章来源地址https://www.toymoban.com/news/detail-817343.html

到了这里,关于目标检测 - RCNN系列模型的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 迈向多模态AGI之开放世界目标检测 | 人工智能

    作者: 王斌 谢春宇 冷大炜 引言 目标检测是计算机视觉中的一个非常重要的基础任务,与常见的的图像分类/识别任务不同,目标检测需要模型在给出目标的类别之上,进一步给出目标的位置和大小信息,在CV三大任务(识别、检测、分割)中处于承上启下的关键地位。当前

    2024年02月16日
    浏览(46)
  • 人工智能 - 目标检测:发展历史、技术全解与实战

    本文全面回顾了目标检测技术的演进历程,从早期的滑动窗口和特征提取方法到深度学习的兴起,再到YOLO系列和Transformer的创新应用。通过对各阶段技术的深入分析,展现了计算机视觉领域的发展趋势和未来潜力。 关注TechLead,分享AI全维度知识。作者拥有10+年互联网服务架

    2024年02月05日
    浏览(57)
  • 人工智能TensorFlow PyTorch物体分类和目标检测合集【持续更新】

    1. 基于TensorFlow2.3.0的花卉识别 基于TensorFlow2.3.0的花卉识别Android APP设计_基于安卓的花卉识别_lilihewo的博客-CSDN博客 2. 基于TensorFlow2.3.0的垃圾分类 基于TensorFlow2.3.0的垃圾分类Android APP设计_def model_load(img_shape=(224, 224, 3)_lilihewo的博客-CSDN博客   3. 基于TensorFlow2.3.0的果蔬识别系统的

    2024年02月09日
    浏览(62)
  • 人工智能学习与实训笔记(三):神经网络之目标检测问题

    人工智能专栏文章汇总:人工智能学习专栏文章汇总-CSDN博客 目录 三、目标检测问题 3.1 目标检测基础概念 3.1.1 边界框(bounding box) 3.1.2 锚框(Anchor box) 3.1.3 交并比 3.2 单阶段目标检测模型YOLOv3 3.2.1 YOLOv3模型设计思想 3.2.2 YOLOv3模型训练过程 3.2.3 如何建立输出特征图与预

    2024年02月20日
    浏览(62)
  • YOLO目标检测——真实和人工智能生成的合成图像数据集下载分享

    YOLO真实和人工智能生成的合成图像数据集,真实场景的高质量图片数据,图片格式为jpg,数据场景丰富。可用于检测图像是真实的还是由人工智能生成。 数据集点击下载 :YOLO真实和人工智能生成的合成图像数据集+120000图片+数据说明.rar

    2024年02月10日
    浏览(52)
  • 人工智能学习07--pytorch15(前接pytorch10)--目标检测:FPN结构详解

    backbone:骨干网络,例如cnn的一系列。(特征提取) (a)特征图像金字塔 检测不同尺寸目标。 首先将图片缩放到不同尺度,针对每个尺度图片都一次通过算法进行预测。 但是这样一来,生成多少个尺度就要预测多少次,训练效率很低。 (b)单一特征图 faster rcnn所采用的一种方式

    2023年04月12日
    浏览(74)
  • 基于人工智能与边缘计算Aidlux的鸟类检测驱赶系统(可修改为coco 80类目标检测)

    ●项目名称 基于人工智能与边缘计算Aidlux的鸟类检测驱赶系统(可修改为coco 80类目标检测) ●项目简介 本项目在Aidlux上部署鸟类检测驱赶系统,通过视觉技术检测到有鸟类时,会进行提示。并可在源码上修改coco 80类目标检测索引直接检测其他79类目标,可以直接修改、快速

    2024年02月12日
    浏览(56)
  • 人工智能学习07--pytorch20--目标检测:COCO数据集介绍+pycocotools简单使用

    如:天空 coco包含pascal voc 的所有类别,并且对每个类别的标注目标个数也比pascal voc的多。 一般使用coco数据集预训练好的权重来迁移学习。 如果仅仅针对目标检测object80类而言,有些图片并没有标注信息,或者有错误标注信息。所以在实际的训练过程中,需要对这些数据进行

    2024年02月12日
    浏览(64)
  • 毕业设计:基于机器学习的课堂学生表情识别系统 人工智能 python 目标检测

    目录 前言 项目背景 数据集 设计思路 更多帮助     📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级别难度的,对本科同学来说是充

    2024年04月16日
    浏览(134)
  • 毕业设计选题- 基于深度学习的海洋生物目标检测系统 YOLO 人工智能

    目录 前言 课题背景和意义 实现技术思路 一、基于深度学习的海洋生物目标检测研究主题 二、水下图像处理算法的研究 2.1Retinex算法 2.2直方图均衡化算法 2.3暗通道去雾算法 三、基于深度学习的目标检测算法 海洋生物目标检测实现效果 最后        📅大四是整个大学期间最

    2024年02月01日
    浏览(162)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包