文章采集发布(r-cnn和ssd网络适合内容检测或目标位置定位的定位)

　　文章采集发布(r-cnn和ssd网络适合内容检测或目标位置定位的定位)

　　文章采集发布于公众号：fly4v欢迎关注我们的知乎专栏：fly4v实验室关注微信公众号：fly4v实验室更多内容，

　　r-cnn,fastr-cnn，xception网络适合内容检测或目标位置定位。有一些特定的目标检测器和它的样本分布。

　　r-cnn系列还不错，不过毕竟只是网络的很小的一部分。还有一个yolo系列，更重视大量数据训练后的检测器，另外，它的学习率大小经常很影响效果。model提交多了，假如速度不够，基本就完蛋了。个人观点，毕竟，不是每个网络模型都能玩旋转木马和人骑虎豹，tmd还有kaiminghe坐镇，谁敢说tmd能稳定操作了？。

　　对于yolo和ssd这类同时要检测两个目标的，会把分类部分和区域划分网络块来处理，因为这两个模型中的检测区域一般都是同一个特征维度的，那样处理速度才够。

　　各个网络都要反向传播特征。

　　主要看网络结构。

　　r-cnn，r-fcn和yolo目标检测器都可以检测两个目标，yolo加速9倍，明显要比r-cnn快很多啊。r-cnn的分类算法有两种，一种是使用特征金字塔做的分类，一种是backbone上固定一层卷积做分类。一般如果是分类而不是定位的话，用backbone就可以，如果想提高准确率的话，用ssd，本质上是使用深度特征做分类，用fpn提取到不同尺度的featuremaps，还有四层的mask层。