faster_r-cnn
This is an old revision of the document!
Fast RCNN
- 实现大部分end-to-end训练(提proposal阶段除外)： 所有的特征都暂存在显存中，就不需要额外的磁盘空。
- 这个网络有两个输入，一个是整张图片，另一个是候选proposals算法产生的可能proposals（region proposal由selective search方法得到）的坐标。(言下之意是候选proposals算法与网络是分离的）
- 提出了一个RoI层，算是SPP的变种，SPP是pooling成多个固定尺度，RoI只pooling到单个固定的尺度 （论文通过实验得到的结论是多尺度学习能提高一点点mAP，不过计算量成倍的增加，故单尺度训练的效果更好。）
faster_r-cnn.1626315352.txt.gz · Last modified: 2021/07/15 10:15 by niruiting
Except where otherwise noted, content on this wiki is licensed under the following license: CC Attribution-Share Alike 4.0 International
