Fast R-CNN
计算机视觉与模式识别
2015-09-29 v2
摘要
本文提出一种基于区域的快速卷积网络方法（Fast R-CNN）用于目标检测。Fast R-CNN建立在先前工作基础上，利用深度卷积网络高效地对目标提议进行分类。与先前工作相比，Fast R-CNN采用了若干创新来提高训练和测试速度，同时也提升了检测精度。Fast R-CNN训练非常深的VGG16网络比R-CNN快9倍，在测试时快213倍，并且在PASCAL VOC 2012上取得了更高的mAP。与SPPnet相比，Fast R-CNN训练VGG16快3倍，测试快10倍，且更准确。Fast R-CNN使用Python和C++（基于Caffe）实现，并在https://github.com/rbgirshick/fast-rcnn以开源MIT许可证提供。
引用
@article{arxiv.1504.08083,
title = {Fast R-CNN},
author = {Ross Girshick},
journal= {arXiv preprint arXiv:1504.08083},
year = {2015}
}
备注
To appear in ICCV 2015