本文介绍了目标检测的发展，从RCNN的问题出发，讲解了SPP-net如何解决尺寸问题，Fast R-CNN整合两者优点，最后详细阐述Faster R-CNN的RPN网络和NMS非极大值抑制技术，以及RPN的损失函数设计。
一、RCNN
1、R-CNN的问题
- 训练对象
- 训练CNN里面的卷积，用log loss进行训练
- 把CNN里面参数固定住了，然后接SVM(hinge loss)做二分类或者多分类
- 把CNN里面参数固定住了，然后接线性回归(最小二乘)
- 训练时间长，占用很多磁盘空间
- Inference（正向传播） 使用这一套流程很慢
- CNN用了VGG16也花了47s
二、SPP-net(Spatial Pyramid Pooling 空间金字塔池化 )
SPP 是不管你特征图有多大，都给你弄成同等大小
三、Fast R CNN（结合了SPP-net和R-CNN的优点）
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
