没有合适的资源？快使用搜索试试~ 我知道了~

首页Fast R-CNN演示文档

Fast R-CNN演示文档

Fast

R-CNN

需积分: 15 11 下载量 39 浏览量更新于2023-05-28 收藏 989KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

试读

27页

目标检测算法Fast R-CNN的PPT演示文档，中文，制作精良，条理清晰，适合学习和教学

资源详情

资源推荐

Fast R-CNN

Ross Girshick

Microsoft Research, ICCV 2015

研究背景

 CNNs在目标检测任务上开始崭露头角（OverFeat, R-CNN, SPPnet）

 现有方法都是Muti-stage的——慢！不优雅！

 任务难点主要在于两点：

 proposals数目多处理慢

 proposals只能提供粗定位，需要进一步优化

已有方法

缺陷

R-CNN

1,多级通道：ConvNet+SVM+BB；2,时/空消耗：每个proposal分

别提特征，硬盘读写；3,测试速度慢

SPPnet

1,多级通道：ConvNet+SVM+BB；2,硬盘读写；3,不能更新SPP层

之前的参数，在深层网络（如VGG16）性能不理想

Fast R-CNN主要贡献

主要创新点：

 在R-CNN和SPPnet基础上，将proposal分类与精定位joint training

优点：

 比R-CNN/SPPnet更高的mAP

 采用多任务损失函数，训练single-stage（不考虑提取proposal的过程）

 训练过程可以更新每一层参数（SPP-Net只能更新FC层）

 特征参数内存存储（R-CNN/SPP-Net需要硬盘存储）

Fast R-CNN流程

1. 依然使用Selective Search提取Proposal

2. 网络输入学习SPPnet,整图输入提取特征，Proposal映射到特征层

3. ROI层(单SPP层)提取每个Proposal的特征，特征向量长度相同

4. 两个并行输出层，一个负责分类，一个负责BB回归

Fast R-CNN流程

剩余26页未读，继续阅读

starxhong

粉丝: 215
资源: 5

上传资源快速赚钱

我的内容管理收起

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

会员权益专享

Fast R-CNN演示文档

Faster R-CNN演示文档

R-CNN和Fast R-CNN组内汇报PPT

一文读懂目标检测：R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD.doc

我需要在组会讲解R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN，请为我提出一些思路和具体的讲解内容

基于候选区域的深度学习目标检测算法R-CNN，Fast R-CNN，Faster R-CNN

在一个数据集上，测试 R-CNN、Fast R-CNN、Faster R-CNN算法，并对比优缺点

Faster R-CNN算法与Fast R-CNN算法的区别详细介绍

在一个数据集上，测试Fast R-CNN、Faster R-CNN、YOLO算法

R-CNN、fast-R-CNN、faster-R-CNN、mask-R-CNN介绍

R-CNN、Fast R-CNN和Faster R-CNN分别是什么？

Fast R-CNN

画出R-CNN,FastR-CNN

Fast R-CNN综述

画出R-CNN,FastR-CNN的运行示意图

R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN算法间的发展和改进

Fast R-CNN应用

fast R-CNN

MASK RNN和Fast R-CNN的区别

简述R-CNN,Fast-RCNN和Faster R-CNN的区别

cnn fast-cnn faster-cnn

会员权益专享

最新资源