/Faster_R-CNN

Faster R-CNN structure and Pytorch code

Primary LanguageJupyter Notebook

Faster_R-CNN (Object_detection)

1. Faster R-CNN 흐름

1) R-CNN : CNN 사용 최초의 object detection 방법

(1) Hypothesize Bounding Boxes (Proposals - Selective Search)
(2) Resampling pixels, features for each boxes
(3) Classifier, Bounding Box Regressor

  • AlexaNet 사용 224 x 22x 강제 warping : 성능 ↓
  • Selective search 통해 2,000개 image proposal all input : 소요 시간 ↑
  • Selective search & SVM은 GPU 사용 적합 구조 X
  • Computation share X : No back propagation

2) Fast R-CNN : RoI pooling

(1) RoI pooling : feature map에 이전 RoI projection, RoI를 FC layer input 크기에 맞게 고정된 크기로 변형 가능
(2) FCL → Classifier, Bounding Box Regressor 동시 학습

  • Region Proposal을 CNN Network가 아닌 Selective search 외부 수행 : 병목 현상

3) Faster R-CNN : RPN

(1) Region proposal Networks(RPN) : input-Featrue Map, output-Object proposal의 Sample

  • Region Proposal을 CNN Network 내부 수행 & GPU 연산 : 소요 시간 ↓

4) 비교

2. Code

1) PyTorch implementation of Faster R-CNN model

2) Faster R-CNN Object Detection with PyTorch