目标检测算法之Fast R-CNN算法详解
Posted gezhuangzhuang
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了目标检测算法之Fast R-CNN算法详解相关的知识，希望对你有一定的参考价值。
&创新点
1. 规避R-CNN中冗余的特征提取操作，只对整张图像全区域进行一次特征提取
2. 用ROI pooling层取代最后一层max pooling层，同时引入建议框信息，提取相应建议框特征
3. Fast R-CNN网络末尾采用了并行的不同全连接层，可同时输出分类结果和窗口回归结果，实现了end-to-end的多任务训练（建议框提取除外），也不要额外的特征存储空间（R-CNN中这部分特征是共SVM和Bounding-box regression进行训练的，需要存储在硬盘上）
4. 采用SVD对Fast R-CNN网络末尾并行的全连接层进行分解，减少计算复杂度，加快检测速度
1. R-CNN网络训练、测试速度都很慢：R-CNN网络中，一张图经由selective search算法提取约2k个建议框（这2k个建议框大量重叠），而所有建议框变形后都要输入
以上是关于目标检测算法之Fast R-CNN算法详解的主要内容，如果未能解决你的问题，请参考以下文章