文章目录 RCNN 缺点： 训练慢， 每个候选框都需要提取特征图 fast RCNN faster Rcnn RPN RCNN 通过ss算法提取2k个候选框 对每个候选框提取特征图 进行每个图的分类svm和回归 缺点： 训练慢， 每个候选框都需要提取特征图 fast RCNN 提取一次特征图，共享特征图 对于候选框映射到特征图上，加快了速度 Roi polling层，统一大小输入到全连接层进行分类，回归等 faster Rcnn 利用RPN 提取候选框（任意图像输入，输出一系列的框和对象的概率大小） 1、利用分类算法进行分类&#
超级会员免费看
RCNN使用Selective Search获取2k个候选框，然后逐个提取特征并用SVM分类和回归，训练过程较慢。Fast RCNN改进为一次性提取特征图，使用RoI Pooling加速。Faster RCNN引入RPN，先预测候选框，再进行分类和微调，显著提高了效率。RPN在特征图上生成多个框，区分前景和背景，处理坐标信息，实现快速目标检测。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
