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
相關文章
相關標籤/搜索