分类和边界框定位。RPN可以被插入到Fast R-CNN中,因
此整个框架可以在训练数据上以端到端的方式进行优化。
通过这种方式,RPN能够以数据驱动的方式生成建议,并
且还能够享受深层骨干网络的辨别能力。更快的R-CNN能
够在GPU上以5 FPS进行预测,并在许多公共基准数据集
上取得了最先进的结果,例如Pascal VOC 2007,2012和
MSCOCO。目前,有大量基于Faster R-CNN的检测器变体
用于不同用途[49,39,50,51]。
更快的R-CNN计算输入图像的特征图,并在特征图上提
取区域特征,这在不同区域之间共享然而,计算在区域分
类步骤中没有共享,其中每个特征向量仍然需要单独经历
一这种额外的计算可能是非常大的,因为每个图像可能有
数百个建议。简单地删除全连接层将导致检测性能的急剧
下降 ,因 为深 度网络将减少propos的空间信 息。 Dai等
人。[52]提出了基于区域的全卷积网络(R-FCN),它分
担了区域分类步骤中的计算成本。R-FCN生成了一个位置
敏感的得分地图,编码不同类别的相对位置信息,并使用
一个位置敏感的ROI池层(PSROI池),通过编码每个目
标区域的相对位置前特征向量保持了空间信息,因此与没
有区域全连接层操作的Faster R-CNN相比,检测器实现了
有竞争力的结果
Faster R-CNN的另一个问题是它使用单个深层特征映射
来进行最终预测。这使得难以检测不同尺度的物体。特别
是,很难检测到小物体。在DCNN特征表示中,深层特征
在语义上是强的但在空间上是弱的,而浅层特征在语义上
是弱的但在空间上是强的。Lin等人[39]利用这一财产
并提出了特征金字塔网络(FPN),其中包括-
将深层特征与浅层特征相结合,以实现不同比例尺的特征
图中的对象检测。其主要思想是用来自更深层的丰富语义
信息来加强空间上强的浅层特征。FPN在检测多尺度物体
方面取得了重大进展,并已广泛应用于许多其他领域,如
视频检测[53,54]和人体姿势识别[55,56]。大多数实例
分割算法都是从普通对象检测算法扩展而来的。早期的方
法[57,58,59]通常生成片段建议,然后使用Fast RCNN
进行片段分类。后来,Dai等人。[59]提出了一种名为
“MNC”的多阶段算法这些早期的作品在多个阶段执行bbox
和mask预测。为了使整个过程更加灵活,He等人。[3]提
出了Mask R-CNN,它根据建议并行预测边界框和分割掩
码,并报告了最先进的结果。基于Mask R-CNN,Huang等
人。[60]提出了一种名为Mask Scoring R-CNN的掩模质量
感知框架,该框架学习了预测掩模的质量并校准了掩模之
间的未对准。
质量和掩模置信度得分。
图4给出了几个代表性两级检测器的检测框架的概述。
3.2.2.
单级探测器
与将检测流水线分为两部分的两阶段检测算法不同:建
议生成和区域分类;一阶段检测器没有单独的建议生成阶
段(或学习建议生成)。它们通常将图像上的所有位置视
为潜在对象,并尝试将每个感兴趣区域分类为背景或目标
对象。
早期成 功的基于 深度 学习 的单阶 段检 测器 之一是由
Sermanet等人开发的[61]第六十一话
壮举. OverFeat通过投射DCNN