Fast R CNN论文理解

在之前对目标检测开山论文R-CNN有了理解,接下来我们继续对R-CNN系列中的Fast R-CNN做一个理解。 在此之前,需要了解的是论文方法产生的前提: Fast R-CNN的产生并不是仅仅直接来源与R-CNN,而是在SPP-NET的基础上对R-CNN的改进。 这里简单介绍一下SPP-NET同时对它和R-CNN的缺点做一个复习。 我们都知道R-CNN的方法是,首先对一张特定尺度的图片通过Search Selective的方法产生2K个区域,然后将这些区域分别输入到CNN当中去,然后将产生特征向量保存到硬盘当中,最后将其输入到SVM分类器当中进行训练并输出。 这里我们很容易就知道它的几个缺点: