目录
引言
Fast R-CNN设计思路
- Fast R-CNN将整张图片和选择性搜索算法提取出来的候选区域作为输入，对整张图片利用卷积+池化的组合提取特征，产生一个feature map（特征层），结合选择性搜索算法提取出来的候选区域位置，从feature map中选择对应位置的特征（红色框）送到RoI pooling层
- 因为后面的全连接层需要固定大小的输入，所以作者在RoI pooling层对其采用了特殊的处理。即将\(h \times w\)输入划分成固定的输出大小\(H \times W\)，这样\(H \times W\)的每个单元格中包含了\(h/H \times w/W\)个元素，对其中的元素进行maxpool，就得到了固定的输出大小\(H \times W\)。
- 将RoI pooling后的输出送入全连接层后在两个子网络分别进行输出和回归。
一、动机
目标检测领域一个经典的问题，难易样本不均衡。
二、现有方案hard negative mining 及其窘境
hard negative mining实现
- 固定模型，去寻找难样本添加到样本集中
- 在上一步中选出的样本集中更新模型
- 重复以上步骤直到满足条件如模型性能不再上升
窘境
固定模型寻找难样本对于目标检测计算量太大，一个图片有约\(2k+\)个候选区域，其次因为难样本RoI与对应的图片关联，没有办法单独保存难RoI到样本集中去，要想学习难样本必须对对应图片再来一次候选区域提取和卷积特征提取，并对不需要再学习的简单样本来一次梯度更新，想想都很麻烦还慢。所以Fast R-CNN中没有用。不过Fast R-CNN采用了一个正负样本1：3的设计。
设计思路
由以上分析可以看出来，这种交替执行寻找难样本的方法在Fast R-CNN中实现是不现实的，如果能在线学习的话，就可以解决掉这个问题。下面是作者的思路
OHEM步骤：
- 提取N张图片的特征，提取RoI
- 对所有的RoI计算loss， 然后选择其中表现最差（\(loss=l_{cls}+l_{reg}\)最大）的B/N个RoI。
- 然后利用选择出来的B/N个RoI更新网络
- 重复2-3步骤
对于第二步，作者说因为卷积特征提取层的参数共享，前向传播计算所有loss的计算量很小。
这里有个注意事项是，因为相邻的RoI很可能拥有相邻的loss，对loss进行选择的时候容易重复选择，所以采用了NMS的方法，将IoU大于0.7的loss低的RoI移除了。
另一个问题是，如果只是简单的将其他没有被选择的RoI的loss置为零，但是仍然会对所有RoI分配空间存储参数并进行反向传播计算，这十分不高效。所以，作者设计了一个新的结构来优化上述结构。
作者设计了一个只进行前向传播的结构（绿色）和一个用来进行反向更新的结构（红色）。红色和绿色的部分网络完全相同且共享权重参数。前向结构用来计算所有RoI的loss，然后从中挑出B/N个loss最大的RoI送到红色的结构中进行反向传播，这样，进行反向传播的就只有B/N个RoI了，从而减少了计算量。作者实验表明，使用这种方法与不使用相比，空间占用差不多，但是快了两倍多。
反向传播
看不懂Fast R-CNN的反向传播，暂时先空着。
实验结果
其中N表示一次采样几张图片，LR是学习率，B是batch_size，bg_lo是Fast R-CNN中正负样本划分的值，[bg_lo, 0,5）被认为是负样本。可以看到网络精度提升了2个百分点。
推理时间慢了一点，但也不是特别多。