R-CNN Fast R-CNN Faster R-CNN的差异性

差异性

  1. 选取候选区域的方法

R-CNN采用SS算法选取候选区域,再送入CNN网络进行特征提取

Fast R-CNN先将总体的图片送入CNN网络,再用SS算法提取候选区域,并在原图中对应,减少RCNN对一个区域的重复训练

Faster R-CNN不再采用SS算法,采用RPN算法提取候选框

2.网络框架不同,

Faster R-CNN是端对端的网络,Region proposal、Feature extraction、Classification、Bounding-box regression四个部分均融合在CNN网络中。

Fast R-CNN分为Region proposal(Selective Search)和Feature extraction、Classification、Bounding-box regression两部分

R-CNN包括Region proposal(Selective Search)、Feature extraction、Classification(SVM)、Bounding-box regression(regression)四个部分

一些浅薄的理解,后续还会继续更新

主要参考:FasterRCNN_哔哩哔哩_bilibili

  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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