在前面的章节中，我们已经介绍了RCNN了，可以很明显的看到RCNN是一种基于多方法联合使用的策略。这种方法最大的缺点就是可控性较差。一旦有一个环节没有处理好就影响最终的结果。比如说：
- select search 方法如果处理不好，后面的基本不用再搞了，而且，这也是算法最耗时的部分
- CNN需要对每个候选框做扩展，然后送入到神经网络中，这极大的限制了CNN对原始数据的利用
- SVM分类虽然可以做到较好的分类，同时结合bounding box回归可以预测物体位置，但是这样做很费事
- 深度学习最擅长的就是做大数据的分析。很久以前，我在研究稀疏表示的时候，参数是自己逐个逐个的调，而且参数不易过多，深度学习却可以用成千上百万的参数做相同的事情。既然是这样，过多的额外步骤就发挥不了深度学习的优势。所以，一个大的趋势就是怎么充分利用CNN的优势，做我们想做的事情，同时去掉额外的多余外来处理和操作。
第一，fast-rcnn的原理
在此背景下，fast-rcnn就诞生了。
好了，一张图说一说fast-rcnn的原理。先配一张原文的图。
看起来不明了，我手动画一个图。
从图中可以看到，fast-rcnn相比于rcnn最大的改变是去掉了后面的SVM。直接将目标预测和位置预测放到了CNN中。但是，fast-rcnn保留了select search候选区生成方法，这也为进一步的改进留下了空间。
【原文翻译】1. fast-rcnn首先会对整个的输入图像做原卷积和池化操作，得到feature map。2. 在feature map中，找到region proposal对应的位置，提取长度固定的特征向量。3.将特征向量喂给全连接层，用来实现预测类别和位置。
第二，fast-rcnn关键点说明
Fast-rcnn有两个地方是最值得说明的，这也是本文主要的内容所在，ROI pooling 和联合目标函数。
（1）ROI pooling
从上图中可以看到，根据候选区域在feature map中生成特征向量时，要面对的一个主要问题是，每个候选区域的大小不一，那么特征向量的尺寸也不同。但是FC层却需要相同尺寸的特征向量作为输入。怎么解决这个问题呢？ROI pooling就诞生了。从pooling这个词可以看到，跟max pooling其实是一样的。只不过在实施的时候，略有区别。怎么做呢？先确定向量的尺寸，假设为W*H，那么就把feature map上对应的region proposal的位置划分为W*H的大小，然后在每个格子内做pooling，可以是max，可以是其他的pooling，那么最后生成的w*H就是想要的。
（2）联合目标函数
由于最终将目标分类和位置预测分为两个部分来描述，但是实际操作的时候不可能单独来训练，怎么办呢？就采用联合训练的方式，将目标预测的损失函数和位置预测的损失函数进行结合。直接上原文中的公式。
式中，Lcls(p,u)=-logPu是类别u预测损失。Lloc是位置预测损失，假设真实值为V=（Vx,Vy,Vw,Vh）,预测值为tu=(tx,ty,tw,th),则损失函数定义为：
在fast-rcnn中，select search生成候选框很讨厌，怎么把这一部分也省去，让CNN来做呢？下一节，faster-rcnn将做介绍。
本文已同步至微信公众号--> 麻瓜智能，欢迎关注
