R-CNN系列的网络是经典的目标检测和分割的网络,其中提出的一些新算法可以让人为之激动啊。下面简单介绍一下这几个网络。
论文翻译:
R-CNN:https://blog.csdn.net/itlilyer/article/details/107190083
Fast R-CNN:https://blog.csdn.net/itlilyer/article/details/107764472
Faster R-CNN:https://blog.csdn.net/itlilyer/article/details/108049850
Mask R-CNN:https://blog.csdn.net/itlilyer/article/details/108441734
R-CNN
论文
论文地址:https://arxiv.org/abs/1311.2524
R-CNN(Regions with CNN features):是13年发布的文章《Rich feature hierarchies for accurate object detection and semantic segmentation》文章中提出的,作者:Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik。
主要思想
2012年Krizhevsky等人的CNN网络加上LeCun的CNN网络中的技巧,使CNN的分类精度得到很大的提升并夺得ILSVRC的冠军。受此影响,R-CNN作者想要将CNN网络引入目标检测的任务,也是第一个将CNN网络应用于目标检测的。核心问题 是怎么将分类的结果应用到检测的任务中。为了解决这个问题,作者聚焦到两个问题上面:1)怎么通过深度网络来找到目标的位置;2)怎么使用少量标注数据来训练一个拥有大量参数的模型。
针对第一个问题,作者使用了候选区域的方式来解决在CNN中给目标定位的问题,过程主要分为三步:
1)每张输入的图片中提取2000个类别无关的候选区域);
2)然后使用CNN为每一个候选区域提取固定长度的特征;