Fast R-CNN

论文传送门:Fast R-CNN(ICCV 2015)

关键点理解

1、直接对整张图像进行卷积,而不是单独每个region proposal,减少大量重复计算(仍然是由selective search方法得到region proposal,下图可以看到region proposal在feature map上的映射关系)
在这里插入图片描述
2、ROI pooling
ROI:Region of Interest,将候选框在特征图的映射区域划分划分为相同大小的块(实际会有向下取整的操作,因此不一定完全一样大),然后对各个块进行max pooling操作,这样下一层就可以得到相同大小的特征图作为输入,相当于spp的简化版
3、Smooth L1 Loss
smooth L1 loss是L1和L2的结合,L2 Loss收敛更快(更平滑,震荡小),在0点有导数,利于收敛;L1 Loss对异常值更加robust(plus:Smooth L1 Loss主流实现方式loss函数涉及的softmax 、cross encropy和softmaxwithloss

4、将分类和回归放在一个网络中训练,用softmax代替svm,并整合分类和回归 Loss

在这里插入图片描述

5、fc6和fc7两层占据45%的计算时间,采用SVD分解改进全连接层在这里插入图片描述

参考文献

【1】【论文翻译】Fast R-CNN
【2】Fast R-CNN论文详解
【3】Fast RCNN算法详解
【4】ROI Pooling原理及实现
【5】Fast R-CNN文章详细解读

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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