3.2 Fast R-CNN

文档摘要

3.2 Fast R-CNN 3.2 Fast R-CNN Fast R-CNN，由Ross Girshick于2015年提出，是对R-CNN和SPPnet的重大改进。它有效地解决了R-CNN训练速度慢、存储需求大以及SPPnet无法端到端训练的问题。Fast R-CNN通过引入“兴趣区域池化”（Region of Interest Pooling，简称RoI Pooling）层，实现了特征共享，极大地提高了目标检测的效率和准确性。 3.2.1 核心思想与改进点 Fast R-CNN的核心思想是特征共享和多任务学习。 1. 特征共享：与R-CNN为每个候选区域独立运行卷积网络不同，Fast R-CNN只对整张图像进行一次卷积操作，生成一个特征图（feature map）。