R-CNN是模型架构还是算法那

R-CNN（Region-based Convolutional Neural Network）是一种模型架构，它提出了一种目标检测的算法。

R-CNN是由Ross Girshick等人于2014年提出的，它通过两个阶段来进行目标检测：候选区域生成和特征提取。它首先使用选择性搜索（Selective Search）等方法生成候选区域，然后对每个候选区域进行特征提取和分类。特征提取阶段使用预训练的卷积神经网络（如AlexNet或VGGNet）来提取候选区域的特征表示，并通过支持向量机（SVM）进行分类。

R-CNN的主要思想是将目标检测任务转化为候选区域分类问题，即将输入图像分割为多个候选区域，并对每个区域进行分类。这种方法相比于传统的滑动窗口方法，可以减少计算量并提高检测精度。

R-CNN算法的后续发展包括Fast R-CNN、Faster R-CNN和Mask R-CNN等，它们在R-CNN的基础上进行了改进和优化，提高了检测速度和精度。这些方法都是基于R-CNN模型架构的算法。