参考：https://blog.csdn.net/qq_27871973/article/details/81121995
https://www.cnblogs.com/dudumiaomiao/p/6560841.html
https://www.cnblogs.com/CZiFan/p/9903518.html
一、框架
二、算法步骤：
- 输入训练图像；
- 利用selective search 算法在图像中从上到下提取2000个左右的建议窗口(Region Proposal)；
- 将整张图片输入CNN，进行特征提取；
- 把建议窗口映射到CNN的最后一层卷积feature map上；
- 通过RoI pooling层使每个建议窗口生成固定尺寸的feature map；
- 利用Softmax Loss(探测分类概率) 和Smooth L1 Loss(探测边框回归)对分类概率和边框回归(Bounding box regression)联合训练.
三、RoI max pooling
由于region proposal的尺度各不相同，而期望提取出来的特征向量维度相同，其思路如下：
The RoI layer is simply the special-case of the spatial pyramid pooling layer used in SPPnets [11] in which there is only one pyramid level. （RoI 层是SPPnets的一个特例，因为RoI只用了一个金字塔层级，SPPnets用了三个，RoI划分成HxW，SPPnets将region proposal划分成4x4，2x2, 1x1）
扫描二维码关注公众号，回复：
5779740 查看本文章
- 将region proposal划分为H×W大小的网格
- 对每一个网格做MaxPooling（即每一个网格对应一个输出值）
- 将所有输出值组合起来便形成固定大小为H×W的feature map
四、优点：
相对于R-CNN与SPPnet，Fast R-CNN的主要亮点有：
- Fast R-CNN将借助多任务损失函数，将物体识别和位置修正合成到一个网络中（训练一个阶段）；
- 不需要大量内存来存储训练过程中特征的数据（内存）；
- 用RoI层代替SPPnet层，可以使用BP算法训练更新整个网络（更新整个网络）。