Fast-RCNN

拖了很久采写

1.Fast-RCNN总结：

参考论文https://blog.csdn.net/shenxiaolu1984/article/details/51036677

https://www.jianshu.com/p/fbbb21e1e390

参考代码：https://github.com/Liu-Yicheng/Fast-RCNN

1.根据SPP-NET中空间金字塔的原理，采用ROI pooling 方法，空间金字塔是3个不同大小的卷积核池化后相加，ROI pooling是一个卷积核池化。

2.ROI pooling得到的特征图连接fc层时采用SVD，减少数据运算

3.不再采用SVM分类，使用Softmax的方式分类，把分类和bbox放在一起训练，提出了multi-task loss，整合两个损失函数。

4.image-centric sampling，同一图像的候选区域卷积共享计算和内存，降低了运算开销。

说白了就是规定进入网络的2个图像，每个图像取64个ROI，64个ROI可以复用这张图片前5个阶段的网络特征。

就是64个ROI的前5个的卷积核参数一样。（这里不太理解）

1.trian

2.test

代码太少，而且太过古老，使用caffe ，暂时不再去尝试。