开山之作——RCNN
原图利用selective search得到候选框,将候选框调整到同一尺寸,再将每一个候选框依次放入卷积网络提取特征,再分类和回归。
问题1:将候选框拉伸成同一尺寸会导致内容变化,所以引入了预设尺寸大小等方法
问题2:每个候选框都需要一次提取特征,也浪费大量时间,因此后续提出了faster rcnn,通过原图一次得到特征图,所有候选框共享这一次feature map 大大提升速度
原图利用selective search得到候选框,将候选框调整到同一尺寸,再将每一个候选框依次放入卷积网络提取特征,再分类和回归。
问题1:将候选框拉伸成同一尺寸会导致内容变化,所以引入了预设尺寸大小等方法
问题2:每个候选框都需要一次提取特征,也浪费大量时间,因此后续提出了faster rcnn,通过原图一次得到特征图,所有候选框共享这一次feature map 大大提升速度