Faster RCNN系列介绍
RCNN网络 RCNN网络是Ross B. Girshick大神2014年提出的,是第一个基于深度学习的目标检测算法,是基于深度特征的。它跟传统的目标识别不同的就是使用深度学习的特征代替了传统的基于低层次的颜色、纹理的特征提取。 因为RCNN并没有对整个传统目标检测的框架进行改进或者优化,因此RCNN网络依然存在传统目标检测算法所存在的问题,如检测速度或者效率低下,检测精度虽然相对于原先的目标检测算法有了一定的改善,但是依然难以满足实际的需要。这也是后续算法重要的改进方向。 RCNN网络是如何使用深度学习特征的。 RCNN在使用深度学习特征的时候并没有直接使用卷积神经网去进行训练,而是使用了预训练模型AlexNet来训练分类模型,而这个模型是在ImageNet上训练好的模型。 在RCNN这个模型的分类任务上进行一个模型的fine-tuning(迁移)。在这个迁移的过程中主要将FC层去掉。因为AlexNet是面向1000个分类任务进行分类的,而在目标检测或者VOC数据集上,目标数为20,加上背景是21类。因此需要将FC层去掉,因为FC层的参数不同,只保留了主干网络层,也就是AlexNet...