Fast R-CNN在第一代卷積網絡RCNN的基礎上,采用了SPP-Net網絡的方法,誕生了第二代目标檢測卷積網絡算法。
Fast R-CNN論文
Fast R-CNN是在2015年ICCV上發表,論文位址:《Fast R-CNN》
Fast R-CNN的流程:
input image → CNN → 每張候選框的特征 → 分類和回歸
而R-CNN 的流程:
候選框(~2k)→ CNN → 每個候選框的特征 → 分類和回歸
Fast R-CNN的改進點:
- 加入了一個ROI pooling layer
- 損失函數使用了多任務損失函數(multi-task loss)
1).ROI pooling 層實際上是SPP-Net的精簡版,這層的作用是把不同大小的輸入映射到一個固定尺寸的特征向量。
2).Fast R-CNN 直接用Softmax替代SVM進行分類,将邊框回歸也加入了網絡中訓練,這樣整個過程就是端到端的。
Fast R-CNN的思想:
- 共享卷積層
- 有了“RoI Pooling” layer
Fast R-CNN不是真正意義上的end2end,因為必須有一些RoI才能去映射,而RoI是用傳統的算法從原圖像中得來的。之後就有了Faster R-CNN來解決這個region proposals問題。
Reference:
https://cloud.tencent.com/developer/news/281788