为方便浏览本博客的信息,建立了博客导航。
Faster R-CNN
Faster R-CCN已经将特征提取(feature extraction),proposal提取,bounding box regression,classification都整合在了一个网络中,使得综合性能有较大提高,在检测速度方面尤为明显。
Fast R-CNN
Fast R-CNN是对R-CNN算法的改进,采用了一些创新措施来提高训练和测试速度,同时提高检测准确率。Fast R-CNN训练VGG16网络比R-CNN快9倍,测试速度快213倍,并在PASCAL VOC上得到更高的精度。与SPPnet相比,Fast R-CNN训练VGG16网络比它快3倍,测试速度快10倍,并且更准确。
![](/images/fast-rcnn/architecture.png)
Spatial Transformer Networks
传统CNN通过扩增数据获得数据的一些不变性,如旋转不变性,平移不变性等,是一种隐式的学习,而空间变换网络(Spatial Transformer Networks,简称STN)通过显式学习数据的各种变换参数(如旋转,平移,仿射变换等)来获得这些变换的不变性。这个网络可以很方便的插入到已有的CNN网络中。
![](/images/stn/architecture.png)