R‐CNN

Σε αυτό το σημείο θα γίνει μία σύντομη αναφορά στο R-CNN (Regions with CNN),

μία μέθοδο εντοπισμού αντικειμένων σε εικόνες η οποία παρουσιάστηκε το 2014

από τους Girshick et al [43] και κατάφερε να πετύχει υψηλή απόδοση ανίχνευσης

αντικειμένων σε σχέση με άλλες μεθόδους κατά την εποχή δημιουργίας του. Έπειτα,

θα γίνει ανάλυση στον τρόπο λειτουργίας του δικτύου YOLO v3 [44], το οποίο και

χρησιμοποιήθηκε στη διπλωματική εργασία.

Η ονομασία της μεθόδου R-CNN, έγκειται στο γεγονός ότι η αναγνώριση της ει-

κόνας γίνεται με χρήση CNN σε περιοχές της εικόνας. Πιο συγκεκριμένα, εκτελείται

επιλεκτική αναζήτηση για να εξαχθούν περίπου 2000 περιοχές από την εικόνα οι

οποίες ονομάζονται προτάσεις περιοχής (region proposal). Επομένως, αντί να γίνει

ταξινόμηση ενός τεράστιου αριθμού περιοχών ή η σάρωση ολόκληρης της εικόνας, ο

αλγόριθμος εργάζεται με 2000 περιοχές.

Μπορούμε να χωρίσουμε τη μέθοδο σε τρία στάδια επεξεργασίας. Το πρώτο

στάδιο, είναι η δημιουργία προτάσεων περιοχής, δηλαδή η υπόθεση πως κάποιες

περιοχές έχουν υψηλή πιθανότητα να περιέχουν κάποιο αντικείμενο, ανεξάρτητα

από την κατηγορία στην οποία μπορεί αυτό να ανήκει. Προκειμένου να προταθούν

οι διάφορες περιοχές, συχνά γίνεται χρήση του αλγορίθμου επιλεκτικής αναζήτησης.

Ο αλγόριθμος αυτός, δημιουργεί τμήματα της εικόνας που θα μπορούσαν να ανή-

κουν σε ένα αντικείμενο, βασισμένα στο χρώμα, την υφή, το μέγεθος και το σχήμα,

και συνδυάζει παρόμοιες περιοχές προκειμένου να σχηματίσουν αντικείμενα. Με

αυτόν τον τρόπο δημιουργούνται προτάσεις αντικειμένων με διαφορετικές κλίμα-

κες.

Στη συνέχεια, το συνελικτικό νευρωνικό δίκτυο, του οποίου τα τελευταία επί-

πεδα είναι πλήρως συνδεδεμένα, αφορά την εξαγωγή χαρακτηριστικών από τις

προτάσεις περιοχής. Το δίκτυο πρέπει να ρυθμιστεί με ακρίβεια για να εκπαιδευτεί

αφενός ως προς τα οπτικά χαρακτηριστικά των νέων τύπων εικόνων (παραμορφω-

μένες προτάσεις περιοχής) και αφετέρου ως προς ειδικές κατηγορίες στόχων του

μικρότερου συνόλου δεδομένων για την διαδικασία ανίχνευσης. Όλες οι προτάσεις

58