RCNN简介

发表于 2019-10-03 | 分类于 ML/DL

网络结构

算法介绍

训练分类网络 (AlexNet)
模型做 fine-tuning
- 类别1000改为20
- 去掉FC
特征提取
- 提取候选框（选择性搜索）
  - 一：生成区域集R
  - 二：计算区域集R里每两个相邻区域的相似度S={s1,s2,…}
  - 三：找出相似度最高的两个区域，将其合并为新集，添加进R
  - 四：从S中移除所有与第三步中有关的子集
  - 五：计算新集与所有子集的相似度
  - 六：跳至第三步，直至S为空
- 对于每一个区域：修正区域为CNN的输入，利用网络对候选框提取特征
训练 SVM 分类器，每个类别对应一个 SVM
回归器精修候选框位置：利用线性回归模型判定框的准确度

RCNN缺点

候选框选择算法耗时严重
重叠区域特征重复计算
分步骤进行，过程繁琐

参考文献