AI实战：基于深度学习的目标检测算法汇总：R-CNN系列 (R-CNN、Fast R-CNN、Faster R-CNN)

前言计算机视觉领域的八大任务图像分类目标检测图像语义分割场景文字识别图像生成人体关键点检测视频分类度量学习本文分享基于深度学习的目标检测算法以及一些好的开源代码。目标检测算法1、R-CNN系列R-CNNR-CNN 流程图要点R-CNN 利用 候选区域方法 创建了约 2000 个 ROIregion of interest 感兴趣区域Fast R-CNNFast R-CNN 的流程图要点Fast R-CNN 把包含特征提取器、分类器和边界框回归器在内的整个网络能通过多任务损失函数进行端到端的训练。Fast R-CNN 的训练速度是 R-CNN 的 10 倍推断速度是后者的 150 倍。Faster R-CNNFaster R-CNN 的流程图要点Faster R-CNN 采用与 Fast R-CNN 相同的设计使用候选区域网络RPN代替了候选区域方法RPN效率更高每幅图像 10 毫秒的速度运行源码PaddleDetectiongithub地址主要内容Mask R-CNN for Object Detection and Segmentationgithub地址主要内容faster-rcnngithub地址