本文详细介绍了R-CNN（Region-based Convolutional Neural Networks）目标检测方法，阐述了其工作原理，包括区域提名、大小归一化、特征提取、分类与回归等步骤。尽管R-CNN在2013年取得了显著的性能提升，但其存在的重复计算、SVM模型限制、训练繁琐、计算资源需求高等缺点，也为其后续改进提供了方向。
上一章：深度篇——目标检测史(一) 关于 古典 目标检测
下一章：深度篇——目标检测史(三) 细说 SPP-Net 目标检测
论文地址：《Rich feature hierarchies for accurate object detection and semantic segmentation》
本小节，细说 R-CNN 目标检测，下一小节细说 SPP-Net 目标检测
二. R-CNN 目标检测 (2013年)
1. R-CNN (Region-based Convolutional Neural Networks, R-CNN) 基于区域的卷积神经网络，是一种结合区域提名(Region Proposal) 和 卷积神经网络 (CNN) 的目标检测方法。R-CNN 是 Ross Girshick 在 2013 年发布的。Ross Girshick 作为这个领域的开山鼻祖，总是神一样的存在，R-CNN，Fast R-CNN，Faster R-CNN，YOLO 都和他有关。其实在 R-CN
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
