从RCNN到Faster RCNN：用PyTorch代码复现目标检测的进化之路

目标检测作为计算机视觉的核心任务之一，其发展历程堪称一部算法优化的史诗。当我们翻开这段技术史，会发现从RCNN到Faster RCNN的演进不是简单的线性改进，而是一系列关键突破的有机组合。本文将带您用PyTorch代码重现这段进化历程，特别聚焦SPPNet的空间金字塔池化和RoI Pooling这两个革命性创新。

1. RCNN：深度学习的首次尝试

2014年诞生的RCNN首次将CNN引入目标检测领域，其mAP从传统方法DPM的35.1%跃升至53.7%。让我们先看看它的核心实现逻辑：

python复制class RCNN(nn.Module):
    def __init__(self, backbone='vgg16', num_classes=20):
        super(RCNN, self).__init__()
        self.feature_extractor = get_backbone(backbone)
        self.classifier = nn.Linear(4096, num_classes)
        self.bbox_regressor = nn.Linear(4096, num_classes*4)
        
    def forward(self, regions):
        # regions: (N, 3, 227, 227)
        features = self.feature_extractor(regions)
        cls_scores = self.classifier(features)
        bbox_deltas = self.bbox_regressor(features)
        return cls_scores, bbox_deltas

RCNN的主要问题在于：

• 计算冗余：对每个候选区域独立进行CNN前向传播
• 训练复杂：需要分阶段训练CNN、SVM和回归器
• 尺寸限制：强制resize导致物体形变

提示：实际项目中，选择性搜索生成的候选框通常需要约2000个，