Fast R-CNN论文笔记《Fast R-CNN》

1.Introduction

在之前介绍的R-CNN中,训练是分多阶段进行的(multi-stage pipeline),基本上都要分为4步extracting features、fine-tuning a network with log loss、training SVMs和fitting bounding box regressors。新提出的SPPnet网络也和这个过程类似,故导致训练比较缓慢。本文中,提出了一个新的单阶段训练算法,它可以同时学习去分类物体建议框和改善他们的空间位置,对应于原文中就是:We propose a single-stage training algorithm that jointly learns to classify object proposals and refine their spatial locations

2.Fast R-CNN的结构和训练

Fast R-CNN的整体结构如下所示:

     
    

首先,输入的是一张完整图片和一组物体建议框(也叫RoIs)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值