R-CNN、Fast R-CNN、Faster R-CNN算法对比

R-CNN、Fast R-CNN、Faster R-CNN算法都是基于Region Proposal(候选区域)的深度学习目标检测算法，是2-stage两阶段检测模型。
Region Proposal就是预先找出图中目标可能出现的位置，通过利用图像中的纹理、边缘、颜色等信息，保证在选取较少窗口(几千个甚至几百个)的情况下保持较高的召回率(IoU)。
边框回归(Bouding Box Regression)：对RegionProposal进行纠正的线性回归算法，目的是为了让Region Proposal提取到的窗口与目标窗口(Ground Truth)更加吻合。

从R-CNN到Fast R-CNN，再到Faster R-CNN，目标检测的四个基本步骤（候选区域生成、特征提取、目标分类、边框回归）终于被统一到一个深度网络框架之内。

R-CNN(Region-based Convolutional Neural Networks)
步骤：1. SS提取RP;
2. CNN提取特征；
3. SVM分类；
4. BB盒回归。
优点：1. 从DPM HSC的34.3%直接提升到了66%(mAP)；
2. 引入RP+CNN。
缺点：1. 训练步骤繁琐(微调网络+训练SVM+训练bbox)；
2. 训练、测试均速度慢；
3. 训练占空间。
Fast R-CNN (Fast Region-based Convolutional Neural Networks)
步骤：1. SS提取RP；
2. CNN提取特征；
3. softmax分类；
4. 多任务损失函数边框回归。
优点：1. 由66.9%提升到70%；
2. 每张图像耗时约为3s。
缺点：1. 依旧用SS提取RP(耗时2-3s，特征提取耗时0.32s)；
2. 无法满足实时应用，没有真正实现端到端训练测试；
3. 利用了GPU，但是候选区域提取方法是在CPU上实现的。
Faster R-CNN (Fast Region-based Convolutional Neural Networks)
步骤：1. RPN提取RP；
2. CNN提取特征；
3. softmax分类；
4. 多任务损失函数边框回归。
优点：1. 提高了检测精度和速度；
2. 真正实现端到端的目标检测框架；
3. 生成建议框仅需约10ms。
缺点：1. 还是无法达到实时检测目标；
2. 获取region proposal，再对每个proposal分类计算量还是比较大。

R-CNN、Fast R-CNN、Faster R-CNN算法对比相关推荐

Faster R CNN
Faster R CNN 3 FASTER R-CNN 我们的Faster R CNN 由两个模块组成,第一个模块是 proposes regions 的全卷积网络,第二个是使用 proposed r ...
rcnn 回归_基础目标检测算法介绍：CNN、RCNN、Fast RCNN和Faster RCNN
每次丢了东西,我们都希望有一种方法能快速定位出失物.现在,目标检测算法或许能做到.目标检测的用途遍布多个行业,从安防监控,到智慧城市中的实时交通监测.简单来说,这些技术背后都是强大的深度学习算法. 在 ...
深度学习（四）：卷积神经网络(CNN)模型结构，前向传播算法和反向传播算法介绍。
在前面我们讲述了DNN的模型与前向反向传播算法.而在DNN大类中,卷积神经网络(Convolutional Neural Networks,以下简称CNN)是最为成功的DNN特例之一.CNN广泛的应用 ...
CNN结构：用于检测的CNN结构进化-一站式方法
有兴趣查看原文:YOLO详解人眼能够快速的检测和识别视野内的物体,基于Maar的视觉理论,视觉先识别出局部显著性的区块比如边缘和角点,然后综合这些信息完成整体描述,人眼逆向工程最相像的是DPM模型. ...
CNN结构：用于检测的CNN结构进化-分离式方法
前言: 原文链接:基于CNN的目标检测发展过程文章有大量修改,如有不适,请移步原文. 参考文章:图像的全局特征--用于目标检测目标的检测和定位中一个很困难的问题是,如何从数以万计的候选 ...
R语言笔记3：提取R对象的子集
R语言基础系列前情提要: 1数据类型(向量.数组.矩阵. 列表和数据框) 2读写数据所需的主要函数.与外部环境交互 Subsetting R Objects 取子集的三种基本方法 [ :"单 ...
R语言ggplot2可视化：可视化斜率图、对比同一数据对象随着时间推移多个状态的差异（Slope Chart）、例如、对比不同癌症5年期、10年期、15年期存活率的差异
R语言ggplot2可视化:可视化斜率图.对比同一数据对象随着时间推移多个状态的差异(Slope Chart).例如.对比不同癌症5年期.10年期.15年期存活率的差异目录
R语言编写自定义函数计算R方、使用自助法Bootstrapping估计多元回归模型的R方的置信区间、可视化获得的boot对象、估计单个统计量的置信区间、分别使用分位数法和BCa法
R语言编写自定义函数计算R方.使用自助法Bootstrapping估计多元回归模型的R方的置信区间.可视化获得的boot对象.估计单个统计量的置信区间.分别使用分位数法和BCa法(Bootstrapp ...
R语言ggplot2可视化：使用R原生plot函数为指定曲线下面的区域着色、ggplot2可视化在曲线的特定下方添加分割线、ggplot2为指定曲线下面的区域着色
R语言ggplot2可视化:使用R原生plot函数为指定曲线下面的区域着色.ggplot2可视化在曲线的特定下方添加分割线.ggplot2为指定曲线下面的区域着色目录
R语言使用tryCatch函数调试R代码实战：tryCatch函数运行正常R代码、tryCatch函数运行有错误（error）的R代码示例/tryCatch函数运行有警告（warning）的R代码示例
R语言使用tryCatch函数调试R代码实战:tryCatch函数运行正常R代码.tryCatch函数运行有错误(error)的R代码示例/tryCatch函数运行有警告(warning)的R代码示例 ...

R-CNN、Fast R-CNN、Faster R-CNN算法对比

R-CNN、Fast R-CNN、Faster R-CNN算法对比相关推荐

最新文章

热门文章