DAY 4 初識fast-r-cnn

R-CNN等傳統弊端：基本步驟： 通過select選取候選框，一般每張圖2000個左右 對每張候選框圖進行深度學習，提取特徵 將特徵送到分類器，如svm進行判別 使用精準迴歸對候選框進行修正 問題： 訓練速度慢，候選框之間存在大量的重複，提取特徵速度慢 訓練所需大量內存空間，大量的特徵。 主要原因就是R-CNN在深度學習之前進行候選框提取，造成大量重疊的候選框需要進行特徵提取。 改進： FASTE

>>阅读原文<<