《表1 R-CNN,Fast R-CNN,Faster R-CNN对比》
图12是对R-CNN、Fast R-CNN、Faster R-CNN三者实现过程的简单对比,它们的算法思想是一脉相承的,是迭代更新的关系,R-CNN包括提取候选区域模块、提取特征向量网络、分类器SVM和边界框回归4部分。Fast R-CNN利用ROI pooling层把R-CNN的SVM分类与边界框回归并入神经网络。Faster R-CNN采用RPN层把Fast R-CNN的候选区域提取层融合到神经网络中,实现了端到端的训练。表1中给出三者在使用方法、缺点和改进方面的差异对比。
图表编号 | XD00149531400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 段仲静、李少波、胡建军、杨静、王铮 |
绘制单位 | 贵州大学现代制造技术教育部重点实验室、贵州大学现代制造技术教育部重点实验室、贵州大学机械工程学院、贵州大学机械工程学院、贵州大学机械工程学院、贵州大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |