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）