fasterr-cnn论文及源码解读.pdfVIP

2018/9/6 Faster R-CNN 论文及源码解读 R-CNN 是目标检测领域中十分经典的方法，相比于传统的手工特征， R-CNN 将卷积神经网络引入，用于 提取深度特征，后接一个分类器判决搜索区域是否包含目标及其置信度，取得了较为准确的检测结果。 Fast R- CNN 和 Faster R-CNN 是 R-CNN 的升级版本，在准确率和实时性方面都得到了较大提升。在 Fast R-CNN 中， 首 先需要使用 Selective Search 的方法提取图像的候选目标区域 (Proposal) 。而新提出的 Faster R-CNN 模型则引 入 了RPN 网络 (Region Proposal Network) ，将 Proposal 的提取部分嵌入到内部网络，实现了卷积层特征共享， Fast R-CNN 则基于 RPN提取的 Proposal 做进一步的分类判决和回归预测，