Fast R-CNN
写在前面
这篇论文出自RGB，发表在ICCV-2015上，是R-CNN与SPPnet的改进版。相比于RCNN，FRCN在训练阶段快9倍，测试阶段快213倍。相比于SPPnet，FRCN在训练阶段快3倍，测试阶段快10倍，并且准确率也有了一定的提高。
主要思想
文章开篇就指出了之前方法的几个不足：
- 训练分了多个阶段组成，因为网络中既有ConvNets也有SVM，非常麻烦
- 训练非常的慢，而且会额外占用硬盘空间
- 检测速度很慢
本文提出的Fast R-CNN计算过程如下图所示
Fast R-CNN的贡献点可以归结为两点：
-
实现了大部分的端到端训练，用Softmax代替了SVM
-
提出了ROI pooling层，可以不用每个proposal都做一次前向计算了
部分细节：
- 论文使用了smooth l1作为回归loss，避免了l2容易梯度爆炸的问题
- 论文将比较大的全链接层用SVD分解了一下使得检测的时候更加迅速。
开源代码
作者开源了他的代码：Caffe
