10.3.3 经典检测架构

本节定位

经典检测架构最值得学的不是“模型名”，而是它们一路在解决同一个问题：

怎么在保证检测质量的同时，把检测速度提上来。

R-CNN 家族的发展史，本质上就是“把重复计算越来越多地省掉”的历史。

学习目标

• 理解 R-CNN 家族为什么重要
• 理解 region proposal 在检测早期路线中的作用
• 理解 Fast / Faster R-CNN 分别优化了哪一层瓶颈
• 建立两阶段检测器的核心直觉

---

先建立一张地图

经典检测架构这节最适合新人的理解顺序不是“背一串模型名”，而是先看清它们在解决同一条问题链：

flowchart LR
    A["R-CNN"] --> B["Fast R-CNN"]
    B --> C["Faster R-CNN"]
    C --> D["不断减少重复计算"]

所以这节真正想解决的是：

• 早期检测系统为什么会慢
• 后续架构到底是在优化哪一层

一个更适合新人的总类比

你可以把经典检测架构想成在一张巨大的可观测性仪表盘里找故障服务：

• R-CNN 像是把每个可疑面板都单独打开认真检查一遍
• Fast R-CNN 像是先把整张仪表盘快速扫一遍，再对重点面板放大看
• Faster R-CNN 则像是连“哪些面板值得看”这件事也交给系统自动学会

这样理解后，这三代模型的区别就不会只剩名字。

一、R-CNN 系列在做什么？

基本套路

两阶段检测的典型思路是：

1. 先提出候选区域
2. 再对候选区域做分类和框回归

为什么会这样设计？

因为直接在整张图上同时找所有目标并不容易。 先缩小到“可能有目标的区域”，会更自然。

一个类比

就像先在地图上圈出“可能有店铺的街区”， 再逐个街区判断是哪种店。

---

二、三代经典架构各自补了什么？

R-CNN

优点：

• 思路清楚

缺点：

• 每个候选框都要单独跑一次特征提取
• 非常慢

Fast R-CNN

优化点：

• 整张图只提一次卷积特征
• 候选框在共享特征图上裁切

收益：

• 速度明显提升

Faster R-CNN

优化点：

• 连候选区域提议也交给网络自己学

收益：

• 把 region proposal 也纳入端到端学习

一张更适合新人的对比表

架构	候选区域怎么来	特征提取怎么做	你最该记住的进步
R-CNN	外部候选框	每个框单独提特征	思路最清楚，但计算最重
Fast R-CNN	外部候选框	整图共享特征	解决了大量重复卷积
Faster R-CNN	网络自己提 proposal	整图共享特征	把 proposal 也纳入可学习流程

为什么这条路线当年会这么重要？

因为在 YOLO 这类单阶段方法流行之前，检测任务最大的难点之一就是：

• 既要找目标
• 又要分类
• 还要把速度控制在能接受的范围内

R-CNN 家族正是在一点点回答这个问题：

• 先能做出来
• 再减少重复计算
• 再让 proposal 本身也变成可学习模块

读图提示

R-CNN 家族最值得看的不是名字，而是“重复计算如何被一步步省掉”：从每个 proposal 单独提特征，到整图共享特征，再到 proposal 也由网络学习。

---

三、先看一个“共享特征 vs 重复计算”的小示例

proposals = ["box1", "box2", "box3", "box4"]


def rcNN_style_cost(num_proposals):
    # 每个 proposal 都单独提特征
    return num_proposals * 10


def fast_rcnn_style_cost(num_proposals):
    # 整图提一次特征 + proposal 裁切
    return 10 + num_proposals * 2


for n in [1, 4, 16]:
    print(
        {
            "proposals": n,
            "rcnn_cost": rcNN_style_cost(n),
            "fast_rcnn_cost": fast_rcnn_style_cost(n),
        }
    )

预期输出：

{'proposals': 1, 'rcnn_cost': 10, 'fast_rcnn_cost': 12}
{'proposals': 4, 'rcnn_cost': 40, 'fast_rcnn_cost': 18}
{'proposals': 16, 'rcnn_cost': 160, 'fast_rcnn_cost': 42}

注意 proposal 数量增加时，R-CNN 风格的成本涨得很快；Fast R-CNN 风格因为共享了最贵的特征提取步骤，所以增长慢很多。

这个例子最想表达什么？

Fast R-CNN 这类改进的核心并不是“更神奇”， 而是：

• 共享计算

为什么这条主线今天仍然值得学？

因为它非常适合帮新人理解：

• 检测系统到底被拆成了哪些阶段
• 速度和质量通常是怎么互相交换的
• 为什么后来单阶段路线会显得更有吸引力

这正是检测模型效率演进的主线之一。

再看一个最小“proposal -> 分类”示例

proposals = [
    {"id": "p1", "score": 0.91},
    {"id": "p2", "score": 0.36},
    {"id": "p3", "score": 0.77},
]


def keep_proposals(proposals, threshold=0.5):
    return [proposal for proposal in proposals if proposal["score"] >= threshold]


print(keep_proposals(proposals))

预期输出：

[{'id': 'p1', 'score': 0.91}, {'id': 'p3', 'score': 0.77}]

这里 p2 被过滤掉，是因为它的分数低于 0.5。后面你读取检测输出时，也会经常做这种非常实际的筛选。

这个例子当然比真实检测器简单得多，但它能帮助新人先抓住一个关键动作：

• 两阶段检测器会先筛一轮“哪些区域值得认真看”
• 后面才继续做更细的分类和框回归

---

四、两阶段检测器今天还有价值吗？

当然有。 它们通常在：

• 精细检测
• 高质量框定位
• 小目标和复杂场景

里仍然很有竞争力。

只不过在很多实时场景里， YOLO 一类单阶段方法更常见。

那为什么这节不直接跳到 YOLO？

因为经典两阶段路线特别适合建立“检测系统是怎样一步步被拆开和优化”的直觉。 如果这条线没看懂，后面学 YOLO 时也很容易只剩“它更快”。

---

五、最常见误区

误区一：经典检测架构已经没必要学

不对。 它们很适合理解检测问题是怎样被系统拆开的。

误区二：两阶段就一定更慢且毫无价值

很多时候它仍然在质量上有优势。

误区三：Faster R-CNN 只是更快一点

它更重要的是把候选区域生成纳入了可学习体系。

第一次学经典检测架构时，最稳的默认顺序

更稳的顺序通常是：

1. 先搞清楚两阶段检测器在分哪两步
2. 再理解 R-CNN 为什么慢
3. 再看 Fast R-CNN 怎样减少重复卷积
4. 最后看 Faster R-CNN 怎样把 proposal 学进去

这样会比直接背三个模型名更容易形成主线。

如果把它做成笔记或作品，最值得展示什么

最值得展示的通常不是：

• 一张架构图贴完就结束

而是：

1. 三代模型的对比表
2. 每一代到底优化了哪一步
3. 为什么共享特征图会更快
4. 为什么 proposal 学习是重要转折

这样别人一眼就能看出：

• 你理解的是演进逻辑
• 不只是会背名词

留下的证据

学完这一页，至少保留这张证据卡：

输入图像

带有真实或期望目标的检测样本

预测

框、标签、置信分数、IoU 和阈值设置

指标

精确率/召回率、mAP、误报和漏报

失败检查

小目标、重叠、NMS、标签差或置信度阈值问题

期望产出

带标注的图片，以及检测指标或错误分组

小结

这节最重要的是建立一个演进判断：

R-CNN 家族的发展，本质上是在不断减少重复计算，把检测从“能做”推进到“更高效地做”。

只要这点看清楚，后面你再学 YOLO，就会更容易比较两条路线的取舍。

---

这节最该带走什么

• R-CNN 家族不是三种零散模型，而是一条清晰的效率演进路线
• 核心改进点始终围绕“减少重复计算、让 proposal 更可学习”
• 经典架构最大的教学价值，是帮你看懂检测系统如何被工程化拆分

---

练习

1. 想一想：为什么共享特征图会显著降低检测成本？
2. 用自己的话解释：Faster R-CNN 比 Fast R-CNN 多解决了哪一步问题？
3. 什么时候你会更偏向两阶段检测器？
4. 为什么经典架构对理解检测任务仍然有价值？

解题思路与讲解

1. 共享 feature map 可以避免对每个候选框都单独跑一遍完整 CNN，从而复用最昂贵的特征计算。
2. Faster R-CNN 用 RPN 替代慢速的外部候选区域生成，解决了 Fast R-CNN 的 proposal 瓶颈。
3. 当定位质量、小目标表现或细致误差分析比实时延迟更重要时，两阶段检测器更适合优先考虑。
4. 经典检测器仍然重要，因为它们讲清了 proposal、anchor、ROI feature、分类/回归头和 NMS，这些概念在现代检测器里依然有用。