废话不多说，上车吧，少年 paper链接：Fast R-CNN &创新点 规避R-CNN中冗余的特征提取操作，只对整张图像全区域进行一次特征提取； 用RoI pooling层取代最后一层max pooling层，同时引入建议框信息，提取相应 ...

paper链接：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks &创新点 设计Region Proposal Networks【RPN】，利用CNN卷积操作后的特征图 ...

 目标检测的复杂性由如下两个因素引起, 1. 大量的候选框需要处理, 2. 这些候选框的定位是很粗糙的, 必须被微调 Faster R-CNN 网络将提出候选框的网络(RPN)和检测网络(Fast R-CNN)融合到一个网络架构中, 从而很优雅的处理上面的两个问题, 即候选框的提出和候选框 ...

Is Faster R-CNN Doing Well for Pedestrian Detection? ECCV 2016 Liliang Zhang & Kaiming He 　　原文链接：http://arxiv.org/pdf ...

物体检测论文翻译系列： 建议从前往后看，这些论文之间具有明显的延续性和递进性。 R-CNN SPP-net Fast R-CNN Faster R-CNN Faster R-CNN论文翻译 原文地址 ...

原文：http://blog.csdn.net/WoPawn/article/details/52463853 &创新点 规避R-CNN中冗余的特征提取操作，只对整张图像全区域进行一次特征提取； 用 RoI pooling 层取代最后一层 max pooling层 ...

　　最先进的目标检测网络依赖于区域生成算法来假设目标位置。先前的SPPnet和Fast R-CNN都已经减少了检测网络的运行时间，但也暴露出区域建议计算是个瓶颈。这篇文章，引出一个区域生成网络（RPN）和检测网络共享全图的卷积特征，因此使得区域建议几乎没有任何开销。RPN是一个在每一个位置同时预测 ...

Faster R-CNN教程 最后更新日期：2016年4月29日 本教程主要基于python版本的faster R-CNN，因为python layer的使用，这个版本会比matlab的版本速度慢10%，但是准确率应该是差不多的。 目前已经实现的有两种方式： Alternative ...