FastRCNN论文详解

Fast RCNN的paper地址：https://arxiv.org/abs/1504.08083

FastRCNN是基于RCNN和SPPnet等网络的基础上上做了系列的创新型的改进得到的，比起前面的工作既提高了训练和测试的速度，也提高了一点准确度。

文章作者分析了RCNN和SPPnet各自的 缺点，然后对比指出自己的Fast RCNN带来了哪些贡献。

RCNN文章分析：RCNN个人理解

RCNN的缺点：

1. Training is a multi-stage pipeline 。RCNN训练是一个多阶段的流程，分三个阶段，分别是为一、CNN做fine-tuning；二、利用微调之后得到的特征训练SVM；三、训练bounding box regressor。
2. Training is expensive in space and time. 训练所需空间与时间耗费巨大，为了训练bb regressor，需要将每个图片中的每个proposal的被提取出来的特征写入磁盘；每个proposal都要单独的一次前向传播，就很费时！
3. Object detection is slow.测试时由于也需要将同学中每个候选框单独的前向传播提取特征，所以时间较长。

SPPnet文章分析：SPPnet简介
SPPnet的缺点：
反向传播时无法（inefficient/expensive）更新空间金字塔池化层前面的卷积层。

原因是：
SPP-Net中fine-tuning的采样是RoI-centric sampling，从所有图像的RoI种采样，而反向传播需要