目标检测算法——R-CNN系列

R-CNN 系列算法是深度学习目标检测领域发展的关键历程，标志着该领域从传统方法转向深度学习的转变。

以下是 R-CNN、Fast R-CNN 和 Faster R-CNN 三个核心模型的总结和对比，以及对 Mask R-CNN 的简单提及：

---

🚀 R-CNN 系列算法总结

模型名称	核心创新	关键改进点	速度与效率
1. R-CNN (2014)	首次结合 CNN 与区域建议。	区域建议（选择性搜索） $\to$ CNN 提取特征 $\to$ SVM 分类。	极慢（数十秒/图）。主要瓶颈是重复对每个 RoI 进行 CNN 计算。
2. Fast R-CNN (2015)	引入 RoI Pooling。	特征共享：对整个图像只进行一次 CNN 计算；多任务损失联合训练分类与回归。	快（约 0.5 秒/图）。瓶颈是仍然依赖外部的选择性搜索。
3. Faster R-CNN (2015)	引入 RPN (区域建议网络)。	端到端：用 RPN 取代外部区域建议算法，实现了完全的深度学习检测流程。	实时或准实时（> 5 FPS）。是两阶段检测器的经典范式。
4. Mask R-CNN (2017)	引入 RoI Align 和掩码分支。	RoI Align 消除量化误差；在 Faster R-CNN 基础上增加了像素级实例分割功能。	性能与 Faster R-CNN 相当，但功能扩展到实例分割。

---

🔍 R-CNN 系列的演进逻辑（关键步骤）

R-CNN 系列算法的演进是一个不断解决瓶颈、实现效率优化和端到端的过程：

阶段/步骤	目标	R-CNN 阶段	Fast R-CNN 阶段	Faster R-CNN 阶段
区域建议	找出 RoI	选择性搜索（耗时）	选择性搜索（耗时）	RPN（深度学习，高效）
特征提取	获取 RoI 特征	对 2000 个 RoI 重复提取	对整图一次提取，共享特征图	对整图一次提取，共享特征图
特征对齐	转换 RoI 特征为固定大小	粗暴的 Warp/Crop	RoI Pooling（有量化误差）	RoI Pooling / RoI Align（更精确）
训练模式	优化整体模型	多步独立训练（CNN/SVM/Regressor）	联合训练（除区域建议外）	端到端联合训练

总结要点

1. R-CNN 证明了深度学习在目标检测上的可行性。
2. Fast R-CNN 通过特征共享（RoI Pooling）解决了 R-CNN 的重复计算瓶颈，显著加速。
3. Faster R-CNN 通过RPN解决了 Fast R-CNN 对外部算法的依赖，完成了目标检测的完全端到端化。

Faster R-CNN 成为了后续目标检测和实例分割（如 Mask R-CNN）的基础架构。