Faster-rcnn繼承了Fast-rcnn所有優(yōu)點(diǎn)壁肋，并提出利用RPN的方式替換SS獲得預(yù)選框
他繼承了前者的損失函數(shù)將分類(lèi)和邊框回歸合二為一的定義柿隙，最終實(shí)現(xiàn)了從端到端的
神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)。這是兩步法最為成熟有效的方式之一。
其基本內(nèi)容如下：
1）圖像首先經(jīng)過(guò)一個(gè)經(jīng)典的深度神經(jīng)網(wǎng)絡(luò) 13(conv+relu)+4 pooling最終生成特征圖
2）生成的特征圖首先通過(guò)3*3的矩陣后，而后分別對(duì)anchor進(jìn)行二分類(lèi)，確定是背景色還是非背景色柠衅，而后另一路對(duì)anchor進(jìn)行邊框偏移量進(jìn)行修正，兩者結(jié)合圖像信息最終生成預(yù)選框
3）ROI Pooling將結(jié)合特征圖和RPN的結(jié)果籍琳，提取預(yù)選框的特征圖 并推給后面的全連接層
4）利用特征圖預(yù)選框進(jìn)行分類(lèi)菲宴，并作邊框回歸贷祈。
難點(diǎn)：RPN?
其準(zhǔn)確度很高
