目标检测（四）：Fast-RCNN

Fast-RCNN¹是在RCNN和SPPnet的基础上进行改进得到的，SPPnet的论文我并未研读，这是看了几篇博客的介绍，但是其中的SPP（Spatial Pyramid Pooling）思想还是很重要的，如果后期有机会的话再补上。Fast-RCNN主要工作在于设计了一个ROI-pooling层；并舍弃SVM，直接利用softmax层进行类别预测。相比于RCNN和SPP，Fast-RCNN的优点如下：

• 检测效果更好、速度更快。
• 训练过程是single-stage的，使用的是multi-task损失函数。（RCNN的训练是multi-stage的，分别需要对特征提取器、SVM分类器、BB回归器进行训练；而fast-rcnn只用一个包含多任务的损失函数来进行single-stage训练）
• 训练可对所有layer进行更新。这也是受上面一条影响，RCNN的multi-stage训练决定了某些层的梯度无法更新。