目录
RoI Pooling ( Region of Interest Pooling )
关键词: Fast R-CNN, Faster R-CNN, RPN, ROI poolinng
预备知识
RCNN采用
基于候选区域的方法,模型架构在第一个部分会产生与类别无关的region proposal,
存在的问题(见2015论文):
- 检测速度慢:生成大量感兴趣的区域可能会导致性能问题。这将使实时对象检测难以实现
- 模型训练速度慢:RCNN一张图像内候选框之间大量重叠,提取特征操作冗余。(Faster RCNN将整张图像归一化后直接送入深度网络。在邻接时,才加入候选框信息,在末尾的少数几层处理每个候选框)
- 训练过程是多阶段的:无法进行端到端的训练,也就是说,无法在一次运行中训练所有数据(这会产生更好的结果)
- 训练所需空间大