目标检测篇之---RCNN, Fast RCNN, Faster RCNN

RCNN, Fast RCNN, Faster RCNN

刚涉足目标检测，向通过写博客来记录一下自己的学习过程，也希望可以给大家的学习带来一些帮助，今天的2021年的最后一天，希望看到我文章的朋友们，在新的一年里都能学有所成，学有所获！

R-CNN算法最早在2013年被提出，它的出现打开了运用深度学习进行目标检测的大门，从此之后，目标检测的精准度与实时性被不断刷新。R-CNN系列算法自提出之际，就非常引人注目，以至于在之后的很多经典算法中，如SSD、YOLO系列、Mask R-CNN中都能看到它的影子。

R-CNN、Fast R-CNN采用的还是传统的SS算法（selective search）生成推荐区域，计算非常耗时，达不到实时检测的效果。直到Faster R-CNN才使用RPN代替了原来的SS算法，才使得目标检测的时间大大缩短，达到实时性的效果。

本篇博客先会对R-CNN、Fast R-CNN、Faster R-CNN进行一个简明扼要地讲解，之后，会写博客着重讲解R-CNN 系列的灵魂之作——Faster R-CNN，而这部分才是大家需要着重了解的。

一、RCNN（Region with CNN feature）

论文：
RCNN可以说是利用深度学习进行目标检测的开山之作。作者Ross Girshic