10. rcnn、Fastrcnn、fasterrcnn三者的区别是什么1
需积分: 0 169 浏览量
2022-08-03
21:40:30
上传
评论
收藏 288KB PDF 举报
@魏晋
https://www.zhihu.com/question/35887527
首先膜拜RBG（Ross B. Girshick）大神，不仅学术牛，工程也牛，代
码健壮，文档详细，clone下来就能跑。断断续续接触detection几个
月，将自己所知做个大致梳理，业余级新手，理解不对的地方还请指
正。
传统的detection主流方法是DPM(Deformable parts models)， 在
VOC2007上能到43%的mAP，虽然DPM和CNN看起来差别很大，但RBG大神
说“Deformable Part Models are Convolutional Neural
Networks”（http://arxiv.org/abs/1409.5403）。
CNN流行之后，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30.5%。既然回归方法效果不好，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？
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，得到区域的feature，
再在feature上加上分类器，判断feature对应的区域是属于具体某类
object还是背景。当然，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
，
多
数
都
是
互
相
重
叠
，
重
叠
部
分
会
被
多
评论0