《表1 Faster-RCNN各阶段迭代次数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《Faster-RCNN和Level-Set结合的高分遥感影像建筑物提取》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

RPN和Fast-RCNN两者都需要一个原始特征提取网络[15]。利用上一步的网络训练得到的检测网络初始化区域的生成网络。用M2初始化RPN训练的得到模型M3，并生成建议区域P2。接下利用M3以及P2训练Fast-RCNN得到最终模型M4，不同的是这一阶段的训练固定了共享的卷积层的参数，只微调区域生成网络的全连接层。由以上训练可知，RPN和Fast-RCNN最终可共用同一个卷积神经网络，结果使得整个提取识别过程转换为既定的卷积运算，即可完成检识提取过程，构生成一个统一的网络，彻底解决了以前存在的时间长开销大的瓶颈问题。每一阶段的迭代次数如表1所示。