Fast-RCNN論文翻譯

http://www.dengfanxin.cn/?p=423

原文地址

本文實現了Fast-RCNN主要部分的翻譯工做，在SPPnet出來以後，同在微軟的R-CNN的做者Ross迅速懟了回去，拋出了更快更好的Fast-RCNN，思路爲之一新的是，將以前的多階段訓練合併成了單階段訓練，此次的工做簡潔漂亮，相比以前的RCNN，懷疑做者是在擠牙膏。另外，面對靈活尺寸問題，Ross借鑑了空間金字塔的思路，使用了一層空間金字塔。

Fast R-CNN

Ross Girshick

Microsoft Research

rbg@microsoft.com

摘要

本文提出了一個快速的基於區域推薦的卷積網絡方法（Fast R-CNN）用於對象檢測。Fast R-CNN在前人工做的基礎上使用深度卷積網絡，能夠更有效地分類物體推薦。相比以前的工做，Fast R-CNN進行了多項創新，在提升了檢測精度的同時，也提升了訓練和測試速度。Fast R-CNN訓練了一個超深VGG16網絡，訓練時間比R-CNN快9倍，測試時間快213倍，在PASCAL VOC2012上達到了更高的mAP。相比SPPnet，Fast R-CNN訓練快3倍，測試快10倍，而且更加準確。Fast R-CNN用Python和C++（使用Caffe）實現，以MIT協議開放在：https://github.com/rbgirshick/fast-rcnn

 

繼續閱讀(最佳閱讀體驗)