Fast-RCNN閱讀筆記

2015年提出的 Fast R-CNN 主要貢獻是加速和簡化 R-CNN。 R-CNN因爲下述原因運行很慢： 1，爲每幅圖像提取候選區域（selective search），得到平均約2000個候選區域，那麼前向傳播的過程就需要運行平均約2000次； 2， 它必須分別訓練三個不同的模型 - CNN 生成圖像特徵，預測類別的分類器SVM和收緊邊界框的迴歸模型。這使得整個流水線（pipeline）難以

>>阅读原文<<