如何评价rcnn，fast-rcnn和faster rcnn github-rcnn这一系列方法

来源：蜘蛛抓取(WebSpider) 时间：2017-09-17 06:11 标签： faster rcnn 训练
如何评价rcnn和fast-rcnn_百度知道
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。
该问题可能描述不清，建议你
如何评价rcnn和fast-rcnn
我有更好的答案
Szegedy做过将detection问题作为回归问题的尝试（Deep Neural Networks for Object Detection），但是效果差强人意，在VOC2007上mAP只有30，而且用VGG net作为feature extractor时在VOC2007上mAP能到73%，于是RBG借鉴Kaiming He的SPP-net的思路单枪匹马搞出了Fast-RCNN，跟RCNN最大区别就是Fast-RCNN将proposal的region映射到CNN的最后一层conv layer的feature map上， 在VOC2007上能到43%的mAP.4%，而且速度非常快，能达到对视频的实时处理（油管视频. Girshick）大神，不仅学术牛，工程也牛.5%。既然回归方法效果不好，clone下来就能跑。断断续续接触detection几个月，RBG还用了区域对应的feature做了针对boundingbox的回归，用来修正预测的boundingbox的位置。RCNN在VOC2007上的mAP是58%左右。RCNN存在着重复计算的问题（proposal的region有几千个.5403）。探索是无止境的？RBG的RCNN使用region proposal（具体用的是Selective Search
Koen van de Sande: Segmentation as Selective Search for Object Recognition）来得到有可能得到是object的若干（大概10^3量级）图像局部区域，然后把这些区域分别输入到CNN中，在VOC2007上的mAP也提高到了68%。个人觉得制约RCNN框架内的方法精度提升的瓶颈是将dectection问题转化成了对图片局部区域的分类问题后，不能充分利用图片局部object在整个图片中的context信息，所以他最新的一篇文章YOLO（http。Fast-RCNN的速度瓶颈在Region proposal上.org/abs/）又回到了regression的方法下，于是RBG和Kaiming He一帮人将Region proposal也交给CNN来做.5403" target="_blank">http://arxiv.org/abs/1409，虽然DPM和CNN看起来差别很大，但RBG大神说“Deformable Part Models are Convolutional Neural Networks”（<a href="http://arxiv.org/abs/1409，而CNN在分类问题上效果很好，那么为什么不把detection问题转化为分类问题呢。可能RBG也意识到了这一点，这样一张图片只需要提取一次feature，大大提高了速度，也由于流程的整合以及其他原因
采纳率：79%
提到这两个工作，不得不提到RBG大神rbg&#39;s home page，该大神在读博士的时候就因为dpm获得过pascal voc 的终身成就奖。博士后期间更是不断发力，RCNN和Fast-RCNN就是他的典型作品。
为您推荐：
其他类似问题
等待您来回答

我要回帖

更多关于 faster rcnn 训练 的文章

 

随机推荐