Faster R-CNN是一种解决目标检测中region proposal耗时问题的深度学习模型，它通过引入Region Proposal Network (RPN)与检测网络共享卷积层，实现端到端训练。RPN在卷积特征图上滑动，为每个位置预测多个预定义比例和长宽比的提议框，并分配objectness分数。通过与Fast R-CNN的交替训练，Faster R-CNN提高了目标检测的速度和精度。
Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Networks
背景知识
1. RCNN 系列是机器学习在计算机图形学方面的应用，主要涉及图像分类，目标检测，目标识别等。
2.RCNN系列发展沿革：CNN（卷积神经网络）
->RCNN=SS+CNN+SVM+NMS bla....
->fast RCNN=SS+CNN(把bounding box regression融入CNN+采用ROI POOLING，类似于SPPnet )，但此时用SS产生region proposal成为时间瓶颈
->faster RCNN=RPN+去掉SS的RCNN，rpn和detection network共享conv layers
3.SPP net：空间金字塔池化网络，特点是多角度特征提取固定大小的特殊向量。即解决CNN对图片大小固定的要求，在conv 层和全连接层做出改变，投影成类似于1+2+4的 金子塔
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
