我们之前已经学习了一个滑动窗口的算法和分成固定大小方框的卷积算法，但是对于一个图片来说，这样的算法可能需要计算的数据量还是过于庞大了。
其实在一些图片当中，有一些区域明显看起来就是不用去搜索的，比如说天空，地面等等，那么机器能不能通过一些什么方法知道这些区域是不用仔细搜索的呢？
这里提到了一个Region-CNN的概念。
首先将图片根据分割算法分成一个个区域色块，然后对色块进行边框处理，之后再对分好的边框一个个进行分类测试。这样可以显著减少计算的数量。
在得出结果时，会重新生成一个bxbybhbw，会比指定大小的滑动窗口法生成的更加准确。
虽然这已经对提高计算速度有了一定帮助，但是还有更多可以改进的地方，比如也是同样使用卷积的方法R-CNN进行加速，我们会称他为FAST-R-CNN。（这里具体怎么加速，我还没太懂，可能需要看一下论文）
论文名字：Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation
然后因为对图片进行分割的传统分割算法还是速度太慢了，因此另外一个团队使用卷积神经网络对图片进行了分割操作，取名为FASTER-R-CNN。
总而言之，这种算法的方式就是将获取边框和分类分成两个步骤进行，先进行图片的分割，然后把方框画出来，再对方框进行分类。
BTW，我推荐大家通过bing搜索论文，sci-hub也可以但是必须得要知道完整的论文名字，可以通过bing搜出名字再去scihub下载。
网友评论