RCNN系列算法发展脉络
RCNN系列算法发展脉络
RCNN系列算法是目标检测领域的重要里程碑，它们引入了一种从图像中提取候选区域（Region Proposals）并对其进行分类与定位的方法，极大提升了检测精度。该系列包含多个进化版本，从RCNN到Fast RCNN、Faster RCNN，再到Mask RCNN，逐步提升检测速度与准确性。下面为你详细介绍每一代算法的核心思想与改进点。
🧠 RCNN系列算法发展脉络
| 版本 | 发布年份 | 核心贡献 | 检测速度 | 特点 |
|---|---|---|---|---|
| RCNN | 2014 | 提出“区域+CNN”思路，奠定深度目标检测基础 | 慢 | 精度高但推理慢、训练流程复杂 |
| Fast RCNN | 2015 | 共享特征图、引入RoI Pooling | 中等 | 训练效率提升，结构更统一 |
| Faster RCNN | 2015 | 引入RPN网络替代Selective Search | 快 | 完全端到端，主流两阶段检测器 |
| Mask RCNN | 2017 | 加入分支预测实例分割Mask | 快 | 同时完成检测和分割任务 |
🔍 各版本详解
1. RCNN（Region-based Convolutional Neural Networks, 2014）
核心思路：
- 使用 Selective Search 提取约2000个候选区域（Region Proposals）
- 对每个区域进行 Warp + CNN 特征提取（AlexNet）
- 用 SVM分类器 判断目标类别，用 回归器 精调边框位置
缺点：
- 慢：每张图像都要对2000个区域逐一通过CNN
- 训练复杂：多阶段训练（CNN + SVM + Bounding Box回归器）
🔗 原文：
Girshick, R. et al. (2014). Rich feature hierarchies for accurate object detection and semantic segmentation. CVPR.
https://arxiv.org/abs/1311.2524
2. Fast RCNN（2015）
改进点：
- 整张图像先通过CNN提取一次特征图（共享计算）
- 通过RoI Pooling从特征图中提取每个proposal的固定大小特征
- 用Softmax分类+边框回归器进行联合训练
优势：
- 显著加快速度
- 网络结构更统一，端到端训练
🔗 原文：
Girshick, R. (2015). Fast R-CNN. ICCV.
https://arxiv.org/abs/1504.08083
3. Faster RCNN（2015）
核心突破：
- 引入 RPN（Region Proposal Network），用CNN自己预测候选区域（而非使用外部算法如Selective Search）
- 与Fast RCNN合并成一个统一的网络结构
流程：
- CNN提取整张图像的特征图
- RPN在特征图上滑动窗口，输出anchors及其目标性得分 + 偏移量
- RoI Pooling + 分类 & 边框回归
优势：
- 真正实现端到端的训练和预测
- 准确率与速度大幅提升，是两阶段检测的主流结构
🔗 原文：
Ren, S. et al. (2015). Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. NeurIPS.
https://arxiv.org/abs/1506.01497
4. Mask RCNN（2017）
创新点：
- 在Faster RCNN基础上新增一个 分支预测像素级分割Mask
- 引入 RoIAlign 替代RoI Pooling，提高对齐精度（尤其在分割任务中）
用途扩展：
- 不仅适用于物体检测（分类+框定位），也适用于 实例分割
🔗 原文：
He, K. et al. (2017). Mask R-CNN. ICCV.
https://arxiv.org/abs/1703.06870
🧩 RCNN系列与YOLO/SSD对比
| 特点 | RCNN系列（两阶段） | YOLO/SSD系列（一阶段） |
|---|---|---|
| 检测精度 | 高（特别适用于精细定位） | 中等偏高 |
| 检测速度 | 相对较慢 | 极快，适合实时场景 |
| 网络复杂度 | 高，结构分支多 | 较简洁 |
| 使用场景 | 医学图像、卫星图像 | 视频监控、自动驾驶等实时检测 |
🔚 总结
RCNN系列是深度学习目标检测算法的奠基之作，从RCNN到Faster RCNN的演进，不仅提高了检测速度和精度，还优化了模型的端到端训练能力。Mask RCNN则使得目标检测迈向了实例分割的新时代。尽管在实时检测场景中YOLO系列更占优势，但在精度要求较高的任务中，RCNN系列依旧具有强大竞争力。