FAST R-CNN Ross Girshick 2015文献

FAST R-CNN是Ross Girshick在2015年发表的一篇论文，主要提出了一种基于深度学习的目标检测算法。该算法通过引入RoI池化层，可以在整张图片上进行目标检测，相比于之前的算法，具有更高的准确率和更快的速度。

RoI池化层是指在卷积神经网络中，对于不同大小的感兴趣区域（Region of Interest，简称RoI），可以通过池化操作将其转换为固定大小的特征图，从而方便后续的分类和回归操作。FAST R-CNN算法中，RoI池化层被嵌入到卷积神经网络中，可以直接对整张图片进行目标检测，避免了之前算法中需要对每个候选框进行分类和回归的繁琐过程。

此外，FAST R-CNN还引入了多任务损失函数，同时考虑了分类和回归两个任务，进一步提高了检测准确率。