【AI 进阶笔记】两阶经典检测器：Faster RCNN

1. 前言：目标检测的进化史

在计算机视觉的世界里，目标检测一直是个“烧脑”的问题。让计算机识别物体 “是什么”（分类）相对简单，但让它 “在哪里”（定位）就难了。

我们先简单回顾目标检测的进化史，看看 Faster R-CNN 到底解决了什么问题。

1.1 目标检测的老前辈们

在 Faster R-CNN 出现之前，我们有三个老前辈：

  • R-CNN（2014）：
    • 先用 Selective Search 选出 2000+ 候选框。
    • 送进 CNN 提取特征，然后用 SVM 分类。
    • 缺点： 速度太慢（每张图 47 秒）。
  • Fast R-CNN（2015）：
    • 直接在 CNN 特征图上做候选框分类+边界框回归。
    • 但依然依赖 Selective Search，速度仍然有限。
  • Faster R-CNN（2016）：
    • 用 Region Proposal Network（RPN） 直接生成候选框，彻底抛弃 Selective Search。
    • 速度提升到每张图 0.2 秒！

1.2 Faster R-CNN 解决了什么问题？

关键词：RPN + 共享特征图 + 端到端训练

Faster R-CNN 主要解决了两个痛点：

  1. 太慢：Fast R-CNN 依赖 Selective Search 生成候选框，速度受限。
  2. 无法端到端训练：R-CNN 需要单独训练多个模型（CNN、SVM、回归器）。

Faster R-CNN 的创新点：

  • 用 RPN（Region Proposal Network） 取代 Selective Search。
  • 共享 CNN 特征，提高计算效率。
  • 端到端训练，提高检测精度。

一句话总结：Faster R-CNN = CNN + RPN + ROI Pooling + 分类+ 回归

2. Faster R-CNN 的核心架构解析

Faster R-CNN 的整体结构如下