Shwan_ma的博客

有了Fast-RCNN后，Faster-RCNN表示为什么还在用selective search呢？这样会出现一种很尴尬的处境，region proposal的速度比后面检测+回归的速度要慢。所以Faster-RCNN表示做Vision的话，CNN应该要一统江湖，于是把Selective Search也集成到网络中，提出RPN。从而把速度拉升到real-time。 FasterRCNN架构：F

RCNN应该是深度学习在目标检测detection上的开山之作。 然而RCNN需要分成四部分实现：1）Selective Search 提取proposal, 2）CNN提取特征，3）SCM分类，4）box regression。实在是不够优雅，开山之作毕竟是开山之作，有他的时代意义。本文介绍的Fast-RCNN是RBG大神（Ross B. Girshick）继RCNN之后的又一力作。Fast-R

之前有看过这几篇论文，但都不是了解特别清楚。这次索性做个纵向对比，重新把这几篇论文翻出来看，也当做一个阅读笔记。 目前的目标检测算法主要分为两类：一类是以RCNN领头的two stage的检测算法。另一类是以Overfeat领头的one stage算法。其主要的综述可以看 https://zhuanlan.zhihu.com/p/33277354 各项指标可以看以下链接： https:/...