Un réseau de proposition de régions (RPN) est un type de réseau neuronal utilisé en détection d'objets pour générer des régions candidates, ou boîtes englobantes, susceptibles de contenir des objets. Il a été introduit en 2015 par Shaoqing Ren, Kaiming He, Ross Girshick et Jian Sun dans le cadre de l'architecture Faster R-CNN, qui a unifié la génération de propositions de régions et la classification d'objets en un seul modèle entraînable de bout en bout. Le RPN a remplacé les méthodes traditionnelles de proposition de régions telles que la recherche sélective, améliorant considérablement à la fois la vitesse et la précision des pipelines de détection.
Le RPN opère sur une carte de caractéristiques produite par un réseau convolutif de base (tel que VGG-16 ou ResNet). Il fait glisser un petit réseau sur la carte de caractéristiques, et à chaque position de fenêtre glissante, il prédit plusieurs propositions de régions à l'aide d'un ensemble de boîtes d'ancrage de différentes échelles et ratios d'aspect. La sortie comprend des scores de présence d'objet (indiquant si une région contient un objet) et des coordonnées de boîtes englobantes affinées. Ces propositions sont ensuite transmises à un classifieur en aval et à un régresseur de boîtes englobantes pour la détection finale.
Architecture et mécanisme
Le RPN est un réseau entièrement convolutif. Il prend une carte de caractéristiques d'entrée de taille H x W x C et applique une couche convolutive 3x3 suivie de deux couches convolutives 1x1 sœurs : l'une pour la classification (objet vs arrière-plan) et l'autre pour la régression (décalages de boîtes englobantes). À chaque emplacement spatial, le réseau traite k boîtes d'ancrage, où k est généralement 9 (trois échelles et trois ratios d'aspect). La couche de classification produit 2k scores, et la couche de régression produit 4k coordonnées. Pendant l'entraînement, les ancres sont étiquetées comme positives si elles ont un chevauchement d'intersection sur union (IoU) supérieur à 0,7 avec toute boîte de vérité terrain, ou si elles ont l'IoU le plus élevé avec une boîte de vérité terrain. Les ancres avec un IoU inférieur à 0,3 sont étiquetées comme négatives. La fonction de perte combine la perte d'entropie croisée pour la classification et la perte L1 lisse pour la régression.
Entraînement et intégration avec Faster R-CNN
Dans Faster R-CNN, le RPN est entraîné conjointement avec le réseau de détection à l'aide d'une perte multi-tâches. L'entraînement alterne entre l'optimisation du RPN et celle du détecteur Fast R-CNN, ou peut être effectué de bout en bout par rétropropagation. Le RPN partage les caractéristiques convolutives avec le détecteur, ce qui réduit le calcul redondant. Les propositions générées par le RPN sont utilisées comme entrée pour une couche de mise en commun de régions d'intérêt (RoI), qui extrait des cartes de caractéristiques de taille fixe pour chaque proposition, suivie de couches entièrement connectées pour la classification et le raffinement des boîtes englobantes. Cette conception a permis à Faster R-CNN de fonctionner à des vitesses quasi temps réel (environ 5 à 17 images par seconde sur un GPU) tout en atteignant une précision de pointe sur des benchmarks comme PASCAL VOC et MS COCO.
Impact et évolution
Depuis son introduction, le RPN est devenu un composant fondamental de nombreuses architectures de détection d'objets. Il a influencé des modèles ultérieurs tels que Mask R-CNN (pour la segmentation d'instances), FPN (Feature Pyramid Network) qui améliore le RPN avec des cartes de caractéristiques multi-échelles, et des détecteurs à une étape comme RetinaNet qui intègrent la prédiction basée sur les ancres. Le concept de boîtes d'ancrage et de génération de propositions de régions a également été adapté dans d'autres domaines, y compris les applications de intelligence artificielle comme la conduite autonome et l'imagerie médicale. La capacité du RPN à générer des propositions de haute qualité avec un surcoût computationnel minimal en a fait une innovation clé dans l'ère de l'apprentissage profond en vision par ordinateur.
Limitations et alternatives
Malgré son succès, le RPN présente des limitations. L'utilisation de boîtes d'ancrage prédéfinies nécessite un réglage minutieux des échelles et des ratios d'aspect, ce qui peut être sous-optimal pour des objets de formes inhabituelles. Les méthodes basées sur les ancres génèrent également un grand nombre de propositions, dont beaucoup sont redondantes, entraînant une inefficacité computationnelle. Pour résoudre ces problèmes, des détecteurs sans ancres tels que CornerNet et CenterNet ont été proposés, qui prédisent directement les points clés ou les centres sans ancres. Cependant, le RPN reste largement utilisé en raison de sa simplicité et de son efficacité, et il continue d'être un composant standard dans de nombreux frameworks de détection modernes.