【目标检测】Faster RCNN学习笔记

背景 R-CNN计算成本很高，但是各种推荐中共享卷积，成本已经大大降低，然而其训练过程和测试依然非常慢 R-CNN方法端到端地对CNN进行训练，将推荐区域分类为目标类别或背景；R-CNN主要作为分类器，并不能预测目标边界，其准确度取决于区域推荐模块的性能 在OverFeat方法中，训练一个全连接层来预测假定单个目标定位任务的边界框坐标，然后将全连接层变成卷积层，用于检测多个类别的目标 MultiB

>>阅读原文<<