Faster R-CNN的学习笔记

Faster R-CNN上的绝大多数内容都来源于R-CNN和Fast R-CNN，一些方法和名词的解释在我的上两篇博客都有解释，有时间的童靴可以看一下哦~

Fast R-CNN链接

R-CNN链接

前言

Fast R-CNN已经大大减少了R-CNN中的训练和测试时间，但是其Selective Search的传统搜索算法耗时严重，占了整个算法的大部分时间。为了缩短产生proposal的时间，进一步压榨R-CNN的性能，作者提出了RPN（Region Proposal Networks）网络，专门产生proposal。这种全卷积网络大大减小了proposal的产生时间，而且可以进行端对端的训练，是Faster R-CNN的精髓所在。

Faster R-CNN = Fast R-CNN + RPN

一、 基本网络架构

1. 卷积层产生feature maps。
2. 将feature maps输入RPN网络输出相应的proposal。
3. 根据proposal对feature maps进行ROI pooling，使尺寸固定。
4. 对这些proposal进行分类和回归。