Faster RCNN发展过程总结

感谢https://www.bilibili.com/video/av15949356?from=search&seid=10709304168993056773

将卷积神经网络应用到物体检测中的模型发展过程：1.R-CNN 2.Fast R-CNN 3.Faster R-CNN。

（1）CNN 卷积神经网络

（2）RPN region proposal network

（3）Fast R-CNN（物体检测器）

（4）Faster R-CNN=RPN+Fast R-CNN 其中RPN和Fast R-CNN共享前面的卷积特征图。

1.R-CNN

region proposal：指的是图像中有很大概率是前景包围框的bounding boxes，在R-CNN中的region proposal由selective search算法提出。在R-CNN中，由selective search在原始的输入图像上运行后将会生成大约2000个region proposal，再对这些region proposal分别进行CNN的前向传播，即对每个候选区域分别提取卷积特征，这一过程将会消耗极大的内存资源和计算资源，R-CNN在测试阶段对于一张图像大约需要50秒，