物体检测的前世今生（二）

RCNN系列

1、RCNN（Regions with Convolutional Neural Network）是使用深度学习处理检测问题的开山之作，以行人检测为例，下图是RCNN做检测的完整流程。

之前我们说到，传统的物体检测需要用滑动窗口的方式扫描图像，并对每一个框做分类判别。而对于RCNN算法，它首先采用其它方法（论文中使用Selective-Search的方法），得到图像中所有可能是物体的大小不同的检测框，此时一张图像中框的数目是在数千个的量级。然后对于其中的每一个框，用卷积网络对它们进行特征提取，并将提取出来的特征数据存盘，之后使用存盘的所有特征数据训练分类器，做检测框中是否是物体的最终判别。依托于神经网络强悍的分类能力，RCNN算法可以对这些框得到很好的分类性能，从而实现很高的检测准确度，减少误判。

2、Fast-RCNN（Fast Region-based Convolutional Networks）

看到这里，聪明的你自然会有疑问，我们对一张图像提取了数千个框，那么这些框肯定会有被彼此相互覆盖的部分啊。在RCNN算法里依据每一个框的位置，把这些框中的图像块从原图中抠出来，然后用卷积网络去对这些框来抽取特征，存盘，最后在训练分类器。无论怎么看，这个流程都太复杂了。

我们能不能直接对输入的全图去做一次卷积特征提取，然后把开始时原图中对应的物体框映射到最终的卷积图像上，并从最终的卷积图像上去抠每一个框对应的特征图呢？如果采用这样的方式，不就可以很好地解决覆盖区域重复计算的问题，同时中间抽取的特征数据又始终保持在内存，减少了存盘操作，省时省力多好啊。于是Fast-RCNN便诞生了，完整过程见下图。

Fast-RCNN算法和RCNN算法的关键区别就在于，RCNN是拿到原图和检测框之后，从原图中先抠图，然后对每一个抠出来的小图输入网络来提特征。而Fast-RCNN之所以Fast就是先将原图（大图）输入卷积网络做特征提取，得到卷积特征图像，然后再在特征图中去抠图，仅仅只是在做法上先后顺序调整一下，就让整个流程的速度刷刷的飘上去了。

3、Faster-RCNN

看到这里，你会觉得Fast-RCNN快是快了，但是还是有点麻烦。总体上这个算法之所以好是因为神经网络对特征的表示能力强，并且整个算法是站在巨人的肩膀上做学习（框由其他算法提供，首先就保证了一定的准确度)。

要是万一别人给过来的框不好，或者相应的物体就压根没有框到，那么后续怎么做都是白瞎。此时的关键在于还有对别人所提供框的依赖，于是RGB大神（Faster-RCNN作者）就想，要不把检测框也囊括到算法里一并提取了吧，来个真正的端到端训练，于是Faster-RCNN便诞生了。下图是Faster-RCNN的算法过程。

这个算法中的关键点在，在原来的流程中加入了一个RPN（Region proposal network)网络来提取物体检测框，真正做到端到端的训练物体检测模型。

好了，到此RCNN派系的检测算法告一个段落，我们再来聊一聊另一个派系SSD

SSD算法

在传统的检测算法中，需要对全图用不同大小的框对图像做一次滑动扫描。到RCNN算法系列里，发展为这些框或是由其他算法得到，或是自己生成，然后对每一个正样本框做类别判定，基本上是沿袭了对一个检测算法自然思考的发展逻辑，先找到物体在哪里，然后再用分类给出这个物体的类别。而SSD算法的做法则有所不同。

它的基本思路是我先用一个密集的网格铺满图像（见上图b）。例如我们用8x8的网格划分原图像，网格中每一个点就对应原图中不同位置的中心点。然后再在这个网格里面的每个点，放上几个比例/大小不同的框。此时有了中心点，有了框，我们就可以对这里面的每一个框直接判定类别（总共n+1个类），这时多出来的一个类是背景，而不是像RCNN系列那样只对正样本分类。由于少了先判断它是不是含有感兴趣物体的一步，SSD的检测速度相比RCNN系列来说，就又上了一个台阶。

另外，在SSD算法中，会用几个处于不同网络层的特征图去预测其中存在的物体，从而保证对不同尺寸大小的物体均有良好的检测性能。SSD整个算法的网络示意图如下。

好了，对于深度学习做物体检测的介绍大致就是这样，希望对你有所帮助。