淺談Fast RCNN

一、經典的RCNN存在的問題： 訓練分多步驟 時間和空間開銷大（在訓練SVM和迴歸的時候需要用網絡訓練的特徵作爲輸入，特徵保存在磁盤上再讀入的時間開銷較大） 測試比較慢（每張圖片的每個region proposal都要做卷積，重複操作太多） 二、網絡模型 輸入是224×224的固定大小圖片 經過5個卷積層+2個降採樣層（分別跟在第一和第二個卷積層後面） 進入ROIPooling層（其輸入是conv

>>阅读原文<<