论文解读Faster R-CNN 实时目标检测

Posted 一颗小树x

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了论文解读Faster R-CNN 实时目标检测相关的知识，希望对你有一定的参考价值。

前言

Faster R-CNN 的亮点是使用RPN来提取候选框；RPN全称是Region Proposal Network，也可理解为区域生成网络，或区域候选网络；它是用来提取候选框的。RPN特点是耗时少。

Faster R-CNN是“RCNN系列算法”的杰出产物，也是two-stage中经典的物体检测算法。two-stage的过程是：

  • 第一阶段先找出图片中待检测物体的anchor矩形框。（对背景、待检测物体进行二分类）
  • 第二阶段对anchor框内待检测物体进行分类。

简单来说：先产生一些待检测框，再对检测框进行分类。关键点是如何找到“待检测框”，这些待检测框中包含目标物体，虽然暂时不知道它的类别。

论文地址：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Network

开源代码：https://github.com/endernewton/tf-faster-rcnn

目录

一、网络框架

以上是关于论文解读Faster R-CNN 实时目标检测的主要内容，如果未能解决你的问题，请参考以下文章

论文泛读 Faster R-CNN:利用RPN实现实时目标检测

Faster R-CNN：使用RPN实时目标检测

MXNet的Faster R-CNN(基于区域提议网络的实时目标检测)《8》

MXNet的Faster R-CNN(基于区域提议网络的实时目标检测)《9》

MXNet的Faster R-CNN(基于区域提议网络的实时目标检测)《10》(尾)

MXNet的Faster R-CNN(基于区域提议网络的实时目标检测)《7》