Faster R-CNN
Faster R-CNN
下图为Faster R-CNN的整体结构图,为了解决测试时大部分时间耗费在候选区域提取的问题,将网络之前的search selective,换成RPN,并置于最后一个卷积层之后,如下图所示。
下图为Faster R-CNN的详细网络模型:
总结:
- 输入图片,经过13个conv,13个relu,4个pooling层,输出feature maps
- RPN(Region Proposal Network),使用特征图查找多个候选区域。
- 金字塔池化(RoI pooling)将不同大小的输入转换为固定长度的输出。
- softmax输出候选区域所属的类,确定候选区域在图像中的精确位置。