什么是Faster‑RCNN

Faster‑RCNN 简介

Faster‑RCNN（2015 年由 Ren、He、Girshick、Sun 提出）是一种端到端的目标检测框架，它在 Fast‑RCNN 的基础上引入 Region Proposal Network（RPN）‍，实现了候选框生成与检测的统一训练，从而显著提升检测速度和精度。

1. 背景与动机

• R‑CNN 系列的瓶颈
  • R‑CNN 需要对每个候选区域单独做卷积特征提取，计算量大；
  • Fast‑RCNN 通过共享卷积特征降低了计算，但仍依赖 Selective Search 产生候选框，速度受限。
• 目标：用卷积网络直接学习候选框（region proposals），消除外部搜索步骤，实现真正的端到端检测。

2. 网络整体结构

Faster‑RCNN 由四个主要模块组成（如下图所示）：

RPN 与检测头共享特征提取层，实现了计算的高度复用，使得整套系统可以在 GPU 上一次前向即可完成候选框生成和检测。

3. 关键技术细节

1. Anchor 机制
   • 在每个特征图位置放置 k（常用 9）个不同尺度/长宽比的 anchor。
   • 通过与真实框的 IoU 计算，将 anchor 标记为正负样本，进而进行二分类和回归。
2. 多任务损失函数
   • RPN 损失 = 分类损失（前景/背景） + 回归损失（边框坐标）
   • 检测头损失 = 分类损失（多类别 Softmax） + 回归损失
   • 两部分可以交替训练或联合训练，后者在实践中更高效。
3. 训练策略
   • 交替训练：先固定特征提取层训练 RPN，再固定 RPN 训练检测头；
   • 端到端联合训练：在同一网络中同步优化 RPN 与检测头，进一步提升速度。
4. 非极大值抑制（NMS）‍
   • 对 RPN 产生的上千个候选框进行 NMS，保留前 300（或 200）个高置信度框，送入检测头。

4. 与前代模型的对比

因此，Faster‑RCNN 在 检测速度（可达实时水平）和 精度（在 VOC、COCO 上显著提升）上均优于前代模型。

5. 典型性能

• 在 PASCAL VOC 2007 上，使用 VGG‑16 作为特征提取器时，mAP 可达 ≈ 73%；
• 使用更深的 ResNet‑101 时，COCO 上的 mAP 可超过 42%，并且每张图像的推理时间在 0.1–0.2 s 左右，实现近实时检测。

6. 应用场景

Faster‑RCNN 已被广泛用于：

• 自动驾驶：车辆、行人、交通标志检测
• 安防监控：异常行为、物品遗失检测
• 医学影像：病灶定位（如肺结节、病理切片）
• 工业检测：缺陷识别、质量检测
• 遥感与航空：目标定位（如船只、建筑）

其模块化设计也便于在 Mask‑RCNN、Cascade‑RCNN 等后续模型中进行扩展。

7. 小结

Faster‑RCNN 通过 Region Proposal Network 将候选框生成与目标检测统一到同一卷积网络中，实现了 端到端训练、共享特征、显著加速 的目标检测方案。它是 R‑CNN → Fast‑RCNN → Faster‑RCNN 演进链中的关键一步，奠定了后续诸多检测框架（如 Mask‑RCNN、RetinaNet、YOLO‑v2 之后的思路）的技术基础。