目标检测之两阶段算法--Fast R-CNN详解

论文题目：《Fast R-CNN》
论文地址：Fast R-CNN

1. 概述

之所以提出Fast R-CNN，主要是因为R-CNN存在以下几个问题：1、训练分多步。通过上一篇博文我们知道R-CNN的训练先要fine tuning一个预训练的网络，然后针对每个类别都训练一个SVM分类器，最后还要用regressors对bounding-box进行回归，另外region proposal也要单独用selective search的方式获得，步骤比较繁琐。2、时间和内存消耗比较大。在训练SVM和回归的时候需要用网络训练的特征作为输入，特征保存在磁盘上再读入的时间消耗还是比较大的。3、测试的时候也比较慢，每张图片的每个region proposal都要做卷积，重复操作太多。

Fast R-CNN算法主要步骤为：

1）Feature Extraction：使用ConvNet只对图像进行一次计算得到特征图。
2）Sample ROIs：在原图上使用selective search算法生成2000个region proposal。
3）POI Projection：将selective search生成的region proposal投影到CNN提取到的特征图上。
4）ROI Pooling:将POI Projection过程得到的特征图变成固定大小的特征图输出。
5）分类和回归：最后，通过后续的FC层分别生成bounding box和classes。

目标检测之两阶段算法--Fast R-CNN详解相关推荐

【目标检测】单阶段算法--YOLOv1详解
论文题目:<You Only Look Once:Unified, Real-Time Object Detection> 论文地址:https://arxiv.org/pdf/1506. ...
目标检测综述——两阶段检测器
文章目录 1.RCNN 2.SPPNet 3.Fast RCNN 4.Faster RCNN 5.Feature Pyramid Networks(FPN) 6.其他的变种参考综述文章: 论文笔记- ...
【目标检测】单阶段算法--YOLOv4详解
论文题目 :<YOLOv4: Optimal Speed and Accuracy of Object Detection> 论文地址:https://arxiv.org/pdf/2004 ...
目标检测：SSD改进之DSSD的论文详解
论文:DSSD : Deconvolutional Single Shot Detector 论文地址:https://arxiv.org/abs/1701.06659 代码:https://gith ...
【三维目标检测】VoxelNet（三）：模型详解
前两节详细介绍了VoxelNet的数据处理部分,本节主要介绍VoxelNet详细的模型结构及其损失函数.数据处理部分请参考:三维点云目标检测 - VoxelNet详解之数据处理 (二)_Coding的 ...
【目标检测】FPN（Fature Pyramid Network）详解
论文题目:<Feature Pyramid Networks for Object Detection> 论文地址:https://arxiv.org/pdf/1612.03144.pdf ...
【目标检测】目标检测界的扛把子YOLOv5（原理详解+修炼指南）
文章目录 1.YOLO输入端 1.1 Mosaic数据增强 1.2 自适应锚框计算 1.3 自适应图片缩放 2.YOLO总体架构图 2.1 BackBone 2.1.1 Focus模块 2.1.2 S ...
【目标检测】单阶段算法--YOLOv2详解
论文题目:<YOLO9000: Better, Faster, Stronger> 论文地址:https://arxiv.org/pdf/1612.08242.pdf 一文读懂YOLOv1 ...
【目标检测】单阶段算法--YOLOv3详解
论文题目:<YOLOv3: An Incremental Improvement > 论文地址:https://pjreddie.com/media/files/papers/YOLOv3 ...

目标检测之两阶段算法--Fast R-CNN详解

1. 概述

目标检测之两阶段算法--Fast R-CNN详解相关推荐

最新文章

热门文章