1.R-CNN (14年)
1.首先用selective search的方法选出许多候选框;
2.对于每一个候选框分别执行卷积网络的操作,提取特征;
3.把卷积做好的特征放到svm分类器和Bbox reg的回归器。
缺点:
1.候选框没有共享卷积神经网络,不同的框要构造不同的神经网络(因为卷积层虽然不要求图片大小,但是全连接层有要求)。
2.分类用svm做,很麻烦。
3.特别费时,一次训练需要84小时,检测一张图片要84秒。
改进,改进后名字叫SPP-Net:
加了一个特殊的pooling层SPP层,连在全连接层前面。
原理:把任意大小的图片进行一个pooling,pooling成一个串,把当前不同尺寸大小的图片,经过Pooling后拼接在一起连成的串的大小一致。然后就可以执行全连接操作,这样不用不同的框构造不同的神经网络,因为全连接层大小也一致了。
2.fast R-CNN(15年)