论文笔记 Fast R-CNN细节

2024-08-21 16:08
文章标签 笔记 论文 cnn 细节 fast

本文主要是介绍论文笔记 Fast R-CNN细节,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

当我决心认真地看Faster R-CNN代码的时候,我就觉得有必要把 Fast R-CNN的论文的细节再从新完整地看一遍了。对,是细节,如何实现的部分,于是有了此篇博客。请注意是 Fast R-CNN笔记。


其网络结构流程如上图,将整个图片输入卷积层和pooling层,得到卷积层特征图。然后针对每一个proposal带来的感兴趣区域RoI,通过RoI pooling layer得到在特征图中RoI区域部分,通过全连接层得到特征向量。


网络结构与训练

 

RoI pooling layer:

该层主要将感兴趣区域提取出来单独进行max pooling操作得到一个H*W(如7*7)的固定大小的小的特征图。文章中的RoI主要是卷积层特征图中的一个矩形窗口。每一个RoI用四维量表示(r,c,h,w),(r,c)是top-left点坐标,(h,w)是RoI的高和宽。因此,该层的操作主要是将h*w大小的RoI通过池化操作,变成一个H*W大小的特征图。

预训练模型初始化:

主要实验了三种情况,每次都是使用5个max pooling 层和3-5层卷积层。第一种直接将最后一个max pooling层变成RoI pooling层,第二种网络最后的全连接层和softmax层替换成上图中的结构,第三种修改网络使其分别输入图像和RoI两种数据。


Fine-tuning for detection:

本文的重点部分。在训练部分采用分层次的SGD(随机梯度下降)方法:先对N张图像进行采样,然后对每张图像中的R/N个RoI区域进行采样。同一张图中的RoI共享前后向传播中的计算和内存。这里N的值比较小,从而可以使得计算量下降。例如,使用N=2,R=128,提出的想法即比对一个RoI在不同的128张图中采样快64倍(R-CNN和SPPnet中的策略)。

对于分层次采样,Fast R-CNN使用一个流水地训练过程,同时加入fine-tunning方法加入softmax分类器和bounding box回归,而不是说直接训练一个softmax分类器啊,SVM啊回归啊等等,这样使得整个过程的计算机大大减少。

(1)Multi-task loss:

对于Fast R-CNN输出的两个姊妹输出层,第一个输出每一个RoI对于K+1类别的离散概率分布p=(p0,...,pk),其中,p通过全连接层K+1个输出后的softmax层计算得到。第二个输出bounding box回归补偿每一个类别k下的补偿t=(tx,ty,tw,th)。

因此,对于每一个训练RoI,都得到一个ground truth类别u和bounding box回归坐标v。作者使用一个多任务的loss来结合训练的类别和bounding box回归loss如下:


其中,前部分为class的loss:

后部分为ground truth的bounding box坐标和预测坐标的loss,其中当u大于等于1时均取1:


(2)Mini-batch sampling:

在fine-tuning过程中,每一个SGD mini-batch都在N=2张影像上进行实施,同时R=128,在每张影像上采样64个RoI。类似R-CNN,从proposal中与ground truth 的IoU大于0.5的,作为部分RoI,这部分RoI占完整RoI的25%。其由类别标签u大于1的组成(前景目标)。其他的RoI从proposal和gt的IoU在[0.1 0.5)中选择,类似SPPnet情况,这里最小的阈值0.1作为类似hard example mining的探索,训练时图像被水平旋转作为数据变换。

(3)Back-propagation through RoI pooling layers:

RoI pooling layers的反向传播部分,主要通过其得到的特征图回传找出每个pooling后特征图中像素位于哪些RoI区域,找到对应的RoI区域中的max pooling取到的点,进行loss的叠加计算,具体公式如下:


等于每一个mini-batch的RoI:r ,和其pooling后的输出单元:yrj,找到其max pooling中实际取到的最大值的点,进行loss的叠加。


Scale invariance:

两种多尺度方法:(1)通过训练本身学习到训练数据的多尺度(2)通过影像金字塔提供多尺度的结果。


Detection部分

Truncated SVD for faster detection:

检测部分主要通过网络的前向部分传播即可实现,同时作者提出了用缩短的SVD(奇异值分解)加速的方法。

对于近一半的计算全连接层部分的时间消耗,作者提出truncated SVD方法解决。具体公式:

通过SVD的使用,将计算从u*v变成了t*(u+v),由于t很小,这样就很有意义了。在网络里,W相当于全连接层,将其看做两个全连接层,中间没有非线性变换部分,第一个计算 ,第二个计算U,来完成整个W的计算。在RoI很大时候,这样计算可以大大加快速度。

这篇关于论文笔记 Fast R-CNN细节的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1093640

相关文章

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

数学建模笔记—— 非线性规划

数学建模笔记—— 非线性规划 非线性规划1. 模型原理1.1 非线性规划的标准型1.2 非线性规划求解的Matlab函数 2. 典型例题3. matlab代码求解3.1 例1 一个简单示例3.2 例2 选址问题1. 第一问 线性规划2. 第二问 非线性规划 非线性规划 非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。运筹学的一个重要分支。2

【C++学习笔记 20】C++中的智能指针

智能指针的功能 在上一篇笔记提到了在栈和堆上创建变量的区别,使用new关键字创建变量时,需要搭配delete关键字销毁变量。而智能指针的作用就是调用new分配内存时,不必自己去调用delete,甚至不用调用new。 智能指针实际上就是对原始指针的包装。 unique_ptr 最简单的智能指针,是一种作用域指针,意思是当指针超出该作用域时,会自动调用delete。它名为unique的原因是这个

查看提交历史 —— Git 学习笔记 11

查看提交历史 查看提交历史 不带任何选项的git log-p选项--stat 选项--pretty=oneline选项--pretty=format选项git log常用选项列表参考资料 在提交了若干更新,又或者克隆了某个项目之后,你也许想回顾下提交历史。 完成这个任务最简单而又有效的 工具是 git log 命令。 接下来的例子会用一个用于演示的 simplegit

记录每次更新到仓库 —— Git 学习笔记 10

记录每次更新到仓库 文章目录 文件的状态三个区域检查当前文件状态跟踪新文件取消跟踪(un-tracking)文件重新跟踪(re-tracking)文件暂存已修改文件忽略某些文件查看已暂存和未暂存的修改提交更新跳过暂存区删除文件移动文件参考资料 咱们接着很多天以前的 取得Git仓库 这篇文章继续说。 文件的状态 不管是通过哪种方法,现在我们已经有了一个仓库,并从这个仓

忽略某些文件 —— Git 学习笔记 05

忽略某些文件 忽略某些文件 通过.gitignore文件其他规则源如何选择规则源参考资料 对于某些文件,我们不希望把它们纳入 Git 的管理,也不希望它们总出现在未跟踪文件列表。通常它们都是些自动生成的文件,比如日志文件、编译过程中创建的临时文件等。 通过.gitignore文件 假设我们要忽略 lib.a 文件,那我们可以在 lib.a 所在目录下创建一个名为 .gi