Fast R-CNN
基于VGG16的Fast RCNN模型
训练速度:
- 比R-CNN快大约9倍;
- 比SPPnet快大约3倍;
测试速度:
- 比R-CNN快200多倍;
- 比SPPnet快10倍;
在VOC2012数据集上的mAP大约为66%
Fast RCNN模型
Fast R-CNN是通过SSP-Net扩展来的,SSP-Net模型之前使用SVM分类器,而Fast R-CNN模型将SVM分类器进行更换,更换后使用softmax进行分类,使用smoothL1对框进行回归。
- 图像经过多个普通的卷积和多个普通的池化
- 最后一个卷积层后,使用SPP-Net中的金字塔池化进行最大池化
- 再接两个全连接层
- 全连接中的特征分别使用softmax进行分类,使用smoothL1对边界框回归
- 总的损失函数如下:
- 分类损失函数如下:
- 回归损失函数如下:
- 其中,