[논문 정리] Fast R-CNN

Fast R-CNN.pdf

0.70MB

Fast R-CNN

R-CNN -> Fast R-CNN (R-CNN 한계점 극복)

1. R-CNN은 RoI(Region of Interest)마다 CNN 연산을 함으로써 속도가 저하되었다.
-> Fast R-CNN "RoI pooling"
2. R-CNN은 multi-stage pipelines으로써 모델을 한번에 학습시키지 못했다.
-> Fast R-CNN "CNN Feature 추출부터 classification, bounding box regression까지 하나의 모델에서 학습"

Fast R-CNN Process

1. Selective Search를 통해 RoI 찾고 전체 이미지를 CNN에 통과시켜 feature map 추출
2. Selective Search로 찾았었던 RoI를 feature map 크기에 맞춰서 projection 시킨다.
3. projection 시킨 RoI에 대해 RoI pooling -> 고정된 크기의 feature vector 얻는다.
4. feature vector는 FC layer를 통과 -> 구 브랜치로 나뉘게 된다.
5. softmax -> RoI에 대한 object classiciaton
Bounding box regression을 통해 bounding box의 위치를 조정

Fast R-CNN은 RoI Pooling을 하나 추가!
1. CNN후에 region proposal 연산
2. 변경된 feautre vector가 결국 기존의 region proposal을 projection시킨 후 연산한 것이라 해당 output으로 classification과 bbox regression도 학습 가능

하지만, Fast R-CNN도 R-CNN과 마찬가지로 RoI를 생성하는 selective search 알고리즘은 CNN 외부에서 진행된다. 그 후에 나온 Faster R-CNN은 RoI 생성하는 단계부터 CNN내부에서 함으로써 더욱 빠르면서 정확한 region proposal을 생성하게 된다.


ganghee-lee.tistory.com/35

(논문리뷰) R-CNN 설명 및 정리