《Fast RCNN神经网络教案资料》由会员分享，可在线阅读，更多相关《Fast RCNN神经网络教案资料（7页珍藏版）》请在金锄头文库上搜索。
FastRCNN神经网络FastRCNN方法解决了RCNN方法的三个问题：问题一：测试时速度慢RCNN一张图像内候选框之间大量重叠，提取特征操作冗余。FRCNN将整张图像归一化后直接送入深度网络。在邻接时，才加入候选框信息，在末尾的少数几层处理每个候选框。问题二：训练时速度慢原因同上。在训练时，FRCNN先将一张图像送入网络，紧接着送入从这幅图像上提取出的候选区域。这些候选区域的前几层特征不需要再重复计算。问题三：训练所需空间大RCNN中独立的分类器和回归器需要大量特征作为训练样本。FRCNN把类别判断和位置精调统一用深度网络实现，不再需要额外存储。FastRCNN的优点（相比于RCNN）：1.比R-CNN更高的检测质量（mAP）；2.把多个任务的损失函数写到一起，实现单级的训练过程；3.在训练时可更新所有的层；4.不需要在磁盘中存储特征。仿真结果：methodmAPSMLtraintime(h)SMLtestrate(s/im)SMLSPPnetBB63.1252.3R-CNNBB58.560.266.02228849.812.147.0FRCN57.159.266.91.22.09.50.100.150.32for VOC2007结束语结束语谢谢大家聆听！谢谢大家聆听！7
