目标检测——Faster R-CNN 详解、Pytorch搭建、训练自己的数据集

转载请注明出处！

目标检测在CV里面占很大一席之地了，而目标检测当红网络肯定少不了RCNN家族。在自己的数据集上使用了Faster RCNN，效果确实不错。

理解Faster RCNN还需要相应地看Fast RCNN和RCNN，因为有的公式在前2篇出现过的会略过，就不太明白。

ok进入正题~

1 Faster RCNN论文详解

Faster RCNN网络就是：

1)  卷积网络去掉全连接层的Feature Map；

2)  Feature Map——>RPN生成region proposal；

3)  region proposal+Feature Map——>ROI pooling 生成proposal feature maps；

4)   proposal feature maps经过全连接层后分类+bounding box regression获得最终的检测框的精确定位以及类别。

这可能会有疑问（1）为什么要生成Feature Map而不是直接输入原始图像？（2） RPN是什么，生成的region proposal和proposal feature maps有什么区别？ （3）为什么还要再经过bounding box regression？

问题（１），回想曾经行人检测是hog+SVM，选定一些窗口，通过滑窗来提取区域，并提取区域的ＨＯＧ特征&#