文章目录

• • 参考资料
• R-CNN
• Fast R-CNN
• Faster R-CNN

霹雳大佬学习三部曲：

1. 先在网络上看别人的讲解，留下大概印象

2. 读原文。（非常重要，细节，发现更多细节）

3. 读代码。github搜大量有，挑选经常更新的代码仓库，标star比较多的，clone。根据readme跑通代码，分析作者代码（先分析网络搭建部分，再分析数据预处理和损失计算，基本掌握，代码和论文结合）

R-CNN：SS算法生成候选框，对每个候选框用CNN提取特征，送入SVM分类器，再用回归器精细修正候选框的位置。

Fast R-CNN：优化：不对每个候选框都提取特征，而是对整张图像提取特征图，再将SS算法生成的候选框投影到特征图获得相应的特征矩阵。

Faster R-CNN：优化：生成候选框的方式由SS算法改为RPN网络

参考资料

1.1Faster RCNN理论合集

R-CNN

文章目录

• • 参考资料
• R-CNN
• Fast R-CNN
• Faster R-CNN

Fast R-CNN

损失计算

文章目录

• • 参考资料
• R-CNN
• Fast R-CNN
• Faster R-CNN

Faster R-CNN

回顾Fast R-CNN


RPN