PyTorch深度学习实战（21）——从零开始实现Faster R-CNN目标检测

0. 前言

Faster R-CNN 是对 R-CNN 系列算法的进一步改进，与 R-CNN 和 Fast R-CNN 不同，Faster R-CNN 提出了一种全新的目标检测框架，将候选框生成和目标分类合并到一个网络中，实现了端到端的训练，可以同时优化候选框生成和目标分类任务，提高了检测的准确性和效率。同时，利用共享的卷积特征可以加速特征提取的计算，进一步提高了检测速度。在本节中，将介绍 Faster R-CNN 的工作原理，然后在自定义数据集上训练 Faster R-CNN 目标检测模型。

1. Fast R-CNN 目标检测模型组成

R-CNN 和 Fast R-CNN 模型的主要缺陷是它们使用两个独立的网络，一个用于识别可能包含对象的区域，另一个用于对预测的识别对象边界框进行校正。此外，这两种模型都需要多次前向传播才能完成所有区