menu

PAPER_READER_1: Fast R-CNN - P1: Giới thiệu.

​ Bài viết dựa trên nội dung paper Fast R-CNN (Ross Girshick).

1. Giới thiệu

  • Gần đây, Deep ConvNet [2] có nhiều cải tiến đáng kể trong image classification và object detection. So với image classification, object detection có nhiều nhiệm vụ cần giải quyết hơn, đi với đó là quá trình training phức tạp và chậm hơn.
  • Detection có 2 thử thách căn bản:
    • Thứ nhất, số lượng “ứng viên” object location lớn cần xử lý.
    • Thứ hai, các “ứng viên” chỉ cung cấp dữ liệu localization thô. Do đó ta phải lọc, tiền xử lý để có localization chính xác.
  • Trong paper này, chúng ta sẽ tinh giản hóa quá trình training với mục đích hợp nhất hai nhiệm vụ classification và location làm một.
1.1. R-CNN [3] và SPPnet [1]
  • R-CNN [3]:
    • Tuy đạt được accuracy tốt nhưng còn nhiều hạn chế:
      • Quá trình traning gồm nhiều giai đoạn.
      • Training tốn nhiều thời gian và bộ nhớ.
      • Detection chậm (47s/image).
    • R-CNN [3] chậm vì mạng ConvNet [2] của nó cần forward qua từng object proposal [4], ‘without sharing computation [5].
  • SPPnet [1]:
    • Cải thiện tốc độ so với R-CNN [3] vì sử dụng sharing computation [5].
      • SPPnet [1] tính toán feature map [7] bằng Convolution [14] cho toàn bộ hình ảnh rồi phân loại từng object proposal [4] sử dụng feature vector extracted [8]. Đặc trưng được trích xuất từ proposal [4] bằng max-pooling để thu được đầu ra có kích thước cố định. Nhiều output sẽ được hợp lại thành một vector bằng spatial pyramid pooling [9]. SPPnet [1] nhanh hơn R-CNN [3] khoảng 3 lần training time và 10-100 lần test time.
    • Tuy nhiên, SPPnet [1] vẫn còn nhiều hạn chế. Giống như R-CNN [3], quá trình training phải trải qua nhiều giai đoạn: extracting features [8], fine-tuning [10], training SVMs/Softmax [11, 12] và bounding-box regression [13]. Các feature được lưu trực tiếp trên ổ cứng. Khi thực hiện fine-tuning [10], quá trình học không thể update các layer phía trước spatial pyramid pooloing [9]. Điều này làm giới hạn accuracy của mô hình.
1.2. Đóng góp
  • Fast R-CNN ra đời nhằm mục đích xây dựng một thuật toán mới khắc phục sự bất lợi của R-CNN [3] và SPPnet [1], qua đó làm tăng tốc độ và độ chính xác.
  • Fast R-CNN có một vài cải tiến:
    • Chất lượng detection tốt hơn R-CNN [3] và SPPnet [1].
    • Chỉ training duy nhất một giai đoạn, dùng nhiều loss cho từng task.
    • Quá trình training có thể update weight ở mọi layers.
    • Không cần lưu các feature trong bộ nhớ cache.

Tham khảo: