浅谈Fast RCNN

一、经典的RCNN存在的问题： 训练分多步骤 时间和空间开销大（在训练SVM和回归的时候需要用网络训练的特征作为输入，特征保存在磁盘上再读入的时间开销较大） 测试比较慢（每张图片的每个region proposal都要做卷积，重复操作太多） 二、网络模型 输入是224×224的固定大小图片 经过5个卷积层+2个降采样层（分别跟在第一和第二个卷积层后面） 进入ROIPooling层（其输入是conv

>>阅读原文<<