Fast R-CNN论文阅读笔记
2018-03-21 10:10
543 查看
论文地址:Fast R-CNN
R-CNN的缺陷
(1)训练是一个多级的流水线。R-CNN首先在候选目标上微调一个卷积神经网络,使用log loss。然后使用SVMs充当目标分类器,以取代softmax分类器,最后通过regression对bounding-box 进行微调。在R-CNN中,20类即20个SVM分类器训练,20个bounding box回归器训练(测试同),非常繁琐。
相关文章推荐
- Object Detection:R-CNN、Fast R-CNN、Faster R-CNN论文阅读笔记
- 论文笔记 《Fast R-CNN》
- 论文笔记|Fast R-CNN
- 论文笔记 《Fast R-CNN》
- 论文阅读笔记:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
- Fast R-CNN 论文笔记
- [深度学习论文笔记][Object Detection] Fast R-CNN
- 论文阅读学习 - Fast R-CNN
- 论文阅读之Fast RCNN
- R-CNN系列阅读笔记(3): Fast R-CNN
- 论文笔记 《Fast R-CNN》
- Fast R-CNN (2015.ICCV)阅读笔记
- 论文阅读笔记:R-CNN:Rich feature hierarchies for accurate object detection and semantic segmentation
- 论文笔记 《Fast R-CNN》
- 论文阅读笔记 | (ICCV 2017) Multi-Attention CNN for Fine-Grained Image Recognition:MA-CNN
- 论文笔记 《Fast R-CNN》
- Fast R-CNN论文笔记《Fast R-CNN》
- 图像分割、目标检测 MASK R-CNN 论文阅读笔记
- 论文笔记 《Fast R-CNN》
- 论文阅读笔记 | (CVPR 2017 Oral) Look Closer to See Better:RA-CNN