【目標檢測】Faster RCNN學習筆記

背景 R-CNN計算成本很高，但是各種推薦中共享卷積，成本已經大大降低，然而其訓練過程和測試依然非常慢 R-CNN方法端到端地對CNN進行訓練，將推薦區域分類爲目標類別或背景；R-CNN主要作爲分類器，並不能預測目標邊界，其準確度取決於區域推薦模塊的性能 在OverFeat方法中，訓練一個全連接層來預測假定單個目標定位任務的邊界框座標，然後將全連接層變成卷積層，用於檢測多個類別的目標 MultiB

>>阅读原文<<