文章目录
-
- Fast R-CNN 结构
- 讲解一-提取特征，候选区选择，分类，回归
- 讲解二-ROI Pooling
- 讲解三-Fast R-CNN与R-CNN的区别
- 讲解四-Fast R-CNN结果分析
Fast R-CNN 结构
讲解一-提取特征，候选区选择，分类，回归
详见R-CNNhttps://blog.csdn.net/milk_and_bread/article/details/106230275
讲解二-ROI Pooling
总结框的大小不同，但都划分为9块，最终池化也得到3*3的特征图。
并且SPP-Net的金字塔池化层是对同一个图片池化，得到不同尺度的特征图，并迭加。较比而言，Fast R-CNN统一了特征图的大小，并且有金字塔池化层的对多个特征图迭加的效果。
讲解三-Fast R-CNN与R-CNN的区别
讲解四-Fast R-CNN结果分析
S，M，L:分别是卷积的大小的规模（小中大）