目標(biāo)檢測(cè)和實(shí)例分割(OBJECT_DETECTION AND INSTANCE SEGMENTATION)

在本篇開(kāi)始之前我推薦一個(gè)很好的圖片The Modern History of Object Recognition?—?Infographic

強(qiáng)力推薦大家看一下，這里因?yàn)閏sdn原因無(wú)法將圖片貼上來(lái)。

本篇文章將介紹目標(biāo)檢測(cè)和實(shí)例分割的經(jīng)典網(wǎng)絡(luò)模型 (從R-CNN,SPPNet,Fast R-CNN,Faster R-CNN)！讓我們來(lái)一起探索這些偉大的模型是如何一步步改進(jìn)完善的！

一. 計(jì)算機(jī)視覺(jué)(AI VISION)

在介紹目標(biāo)檢測(cè)和實(shí)例分割之前我們先介紹一下計(jì)算機(jī)視覺(jué)的任務(wù)分類以及最新的神經(jīng)網(wǎng)絡(luò)模型(來(lái)源訊飛星火AI):

• 1. 圖像分類

  圖像分類是指將圖像分到預(yù)定義類別中的任務(wù)。例如，給定一張圖片，算法需要判斷這張圖片中是否包含某種物體，如貓或狗。這個(gè)我們就太熟悉了在之前的文章中以及介紹過(guò)了經(jīng)典網(wǎng)絡(luò)模型和精讀了它們的論文。

  • ConvNeXt和CrossViT是當(dāng)前在圖像分類任務(wù)上表現(xiàn)突出的最新模型。ConvNeXt通過(guò)改進(jìn)卷積網(wǎng)絡(luò)結(jié)構(gòu)來(lái)優(yōu)化性能，而CrossViT結(jié)合了CNN和Transformer的優(yōu)勢(shì)，提高了分類準(zhǔn)確性

• 2. 目標(biāo)檢測(cè)與定位

  目標(biāo)檢測(cè)不僅要識(shí)別圖像中的物體，還要精確地標(biāo)定其位置，通常通過(guò)邊界框來(lái)實(shí)現(xiàn)。傳統(tǒng)的目標(biāo)檢測(cè)方法依賴于滑動(dòng)窗口和手工設(shè)計(jì)的特征，但這種方法在計(jì)算量和準(zhǔn)確性上存在限制。隨著深度學(xué)習(xí)的發(fā)展，基于CNN的方法顯著改善了檢測(cè)效果。

  • Yolov7和Swin Transformer是兩種最新的目標(biāo)檢測(cè)模型。Yolov7通過(guò)新的網(wǎng)絡(luò)結(jié)構(gòu)和增強(qiáng)算法提升了檢測(cè)速度和精度，而Swin Transformer利用分層建模能力處理不同尺寸的對(duì)象。

• 3. 語(yǔ)義分割和實(shí)例分割

  語(yǔ)義分割任務(wù)將圖像中的每個(gè)像素分類到特定類別，這適用于場(chǎng)景理解等應(yīng)用。實(shí)例分割則更進(jìn)一步，需要區(qū)分同一類別的不同個(gè)體。

  • SETR和Mask2Former是最新的分割模型。SETR利用Transformer的全局信息來(lái)提升分割精度，而Mask2Former則在同一個(gè)Transformer框架內(nèi)同時(shí)解決目標(biāo)檢測(cè)和實(shí)例分割任務(wù)。

下面我們將用一張圖充分的理解分類(Image classification)，檢測(cè)(Object localization)，語(yǔ)義分割(Semantic segmentation)和實(shí)例分割(Instance Segmentation)之間的區(qū)別

從圖中我們可以看到分類，檢測(cè)，分割的區(qū)別很明顯不明顯的是語(yǔ)義分割和實(shí)例分割。

• 圖像分類(classification)：

  • 就是對(duì)圖像判斷出所屬的分類，比如在學(xué)習(xí)分類中數(shù)據(jù)集有人（person）、羊（sheep）、狗（dog）和貓（cat）四種，圖像分類要求給定一個(gè)圖片輸出圖片里含有哪些分類，比如上圖的例子是含有person、sheep和dog三種。

• 目標(biāo)檢測(cè)(object detection)：

  • 有什么，在哪里。比分類多了一個(gè)定位，需要確定目標(biāo)的位置用矩形框?qū)⒛繕?biāo)框出。

• 語(yǔ)義分割(semantic segmentation)：

  • 就是需要區(qū)分到圖中每一點(diǎn)像素點(diǎn)，而不僅僅是矩形框框住了。但是同一物體的不同實(shí)例不需要單獨(dú)分割出來(lái)。對(duì)下圖左，標(biāo)注為人，羊，狗，草地。而不需要羊1，羊2，羊3，羊4，羊5等。

• 實(shí)例分割(instance segmentation)：

  • 實(shí)例分割其實(shí)就是目標(biāo)檢測(cè)和語(yǔ)義分割的結(jié)合。相對(duì)目標(biāo)檢測(cè)的邊界框，實(shí)例分割可精確到物體的邊緣；相對(duì)語(yǔ)義分割，實(shí)例分割需要標(biāo)注出圖上同一物體的不同個(gè)體（羊1，羊2，羊3…）

• 全景分割(Panoramic segmentation):

  • 全景分割是語(yǔ)義分割和實(shí)例分割的結(jié)合。跟實(shí)例分割不同的是：實(shí)例分割只對(duì)圖像中的object進(jìn)行檢測(cè)，并對(duì)檢測(cè)到的object進(jìn)行分割，而全景分割是對(duì)圖中的所有物體包括背景都要進(jìn)行檢測(cè)和分割。

目標(biāo)檢測(cè)算法可以分為兩大類：

• 一類是基于Region Proposal（區(qū)域推薦）的R-CNN系算法（R-CNN，FAST R-CNN，Faster R-CNN等），這些算法需要two-stage，即需要先算法產(chǎn)生目標(biāo)候選框，也就是目標(biāo)位置，然后對(duì)候選框做分類與回歸。
• 另一類是Yolo，SSD這類one-stage算法，僅僅使用一個(gè)卷積神經(jīng)網(wǎng)絡(luò)CNN直接預(yù)測(cè)不同目標(biāo)的類別與位置。

接下來(lái)我們開(kāi)始本篇重點(diǎn)基于Region Proposal（區(qū)域推薦）的R-CNN系算法。兩階段(two-stage)

R-CNN

論文地址Rich feature hierarchies for accurate object detection and semantic segmentation

• 生成候選區(qū)域(Region Proposal)

  通過(guò)SS(Selective Search)算法生成2000個(gè)候選框，之后對(duì)候選框進(jìn)行歸一化，縮放到固定大小(227*227).這里我們簡(jiǎn)單介紹一下選擇性搜索算法(Selective Search)

輸入圖像通過(guò)類似聚類的方法找到初始的（顏色，紋理，大小，形狀相似度比較一致的）分割區(qū)域，然后對(duì)區(qū)域進(jìn)行加權(quán)合并得到不同層次的2000個(gè)候選框！

• 對(duì)每個(gè)區(qū)域進(jìn)行CNN特征提取

• 使用SVM分類器，判斷是否屬于該類

  • 使用非極大值抑制剔除重疊建議框：
    • 非極大值抑制： 定義IoU指數(shù)，即$(A\cap B)/(A\cup B)$,如下圖所示,A是向日葵類對(duì)應(yīng)的所有候選框中概率最大的區(qū)域，B是另一個(gè)區(qū)域,計(jì)算AB的IoU，其結(jié)果大于閾值，那么就認(rèn)為AB屬于同一類（即都是向日葵），所以應(yīng)該保留A，刪除B，這就是非極大值抑制。：

• 使用回歸器修正候選框位置

黃色框表示候選區(qū)域 Region Proposal,綠色窗口表示實(shí)際區(qū)域Ground Truth（人工標(biāo)注的），紅色窗口表示 Region Proposal 進(jìn)行回歸后的預(yù)測(cè)區(qū)域，這里就跟機(jī)器學(xué)習(xí)中的回歸預(yù)測(cè)房?jī)r(jià)類似。

缺點(diǎn)：

• (1) R-CNN將所有輸入圖片縮放至（227*227）大小會(huì)影響原圖的比例，導(dǎo)致模型檢測(cè)精度下降。尺寸歸一化導(dǎo)致物體變形，縱橫比特征丟失。
• (2) 步驟繁瑣，需要對(duì)每一張候選區(qū)域提取特征。

提出問(wèn)題：

• (1) 能否改進(jìn)從而可以使喂入全連接層的圖片大小不固定？
• (2) 能否只提取一次特征，然后找到候選區(qū)域?qū)?yīng)的特征圖？

SPPNET

論文地址Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

從上圖我們可以知道
R-CNN：image–>裁剪，變換(crop/warp)–>卷積–>全連接層–>輸出結(jié)果。
SPPNET：image–>卷積–>空間金字塔池化(spatial pyramid pooling)–>全連接層–>結(jié)果。

改進(jìn)了最主要的兩個(gè)點(diǎn)：

• 直接將整幅圖片喂入CNN，然后在特征圖上找到大約2000個(gè)候選區(qū)域。
• 使用空間金字塔池化。

下面我們將介紹這兩點(diǎn)：

作者發(fā)現(xiàn),卷積后對(duì)應(yīng)的位置并不會(huì)發(fā)生改變，每個(gè)卷積層會(huì)匹配響應(yīng)的區(qū)域。如上圖所示(a)圖為輸入的照片，(b)為第5層卷積層之后提取的特征圖，?為測(cè)試集中能使該特征圖激活最大的一些圖片:
車輪在原圖中的位置在特征圖上也會(huì)出現(xiàn)在響應(yīng)的位置。
這樣在目標(biāo)檢測(cè)使可以根據(jù)特征圖畫出該物體的位置，也就可以畫出具體的框了。

上圖就是SPPNET最核心的部分：空間金字塔池化層。

分別將特征圖劃分1×1、2×2、4×4大小的子塊（顯然，在不同的劃分模式下子塊大小是不一致的，輸入特征圖尺寸不一致時(shí)子塊大小也不一樣），然后對(duì)每個(gè)子塊進(jìn)行最大池化，即將不同大小的子塊都轉(zhuǎn)化為一個(gè)值，將池化之后的結(jié)果進(jìn)行拼接即可得到一個(gè)大小固定為21維的輸出。如此一來(lái)，無(wú)論輸入特征圖的尺寸發(fā)生如何變化，Spatial Pyramid Pooling均可將其轉(zhuǎn)化為固定大小的尺寸進(jìn)行輸出。
特點(diǎn)： 空間金字塔池化的池化核的步長(zhǎng)和大小是動(dòng)態(tài)變化的過(guò)程，上邊提到的1 * 1，2 * 2，4 * 4都是輸出的大小，例如（對(duì)于44的輸出，輸入1313的圖像，$size=13/4向上取整=4，stride=13/4向下取整=3$）。

總結(jié)：

• 空間金字塔池化(spatial pyramid pooling layer),解決了R-CNN輸入圖片大小固定的問(wèn)題
• 只提取一次特征，直接在特征圖上找到候選區(qū)域，避免了裁剪，變形，提高了檢測(cè)精度。
• 使用共享卷積運(yùn)算（所有候選框共享這一次卷積的feature map），大大提高了計(jì)算效率。

缺點(diǎn)：

• 無(wú)法通過(guò)反向傳播來(lái)進(jìn)行微調(diào)，離端到端的的檢測(cè)還差很多
• 分類和回歸是分開(kāi)進(jìn)行的，需要分別訓(xùn)練

提出問(wèn)題：

• 能否把SVM和邊界框去掉，由CNN直接得到類別和邊框可不可以？

Fast R-CNN

論文地址Fast R-CNN

在介紹Fast R-CNN之前，我們先介紹以下RCNN和SPPNet的缺點(diǎn)，如下圖所示：

R-CNN缺點(diǎn)：

• 訓(xùn)練是一個(gè)多階段的(training is a multi-stage pipeline)

R-CNN首先需要通過(guò)CNN網(wǎng)絡(luò)提取特征，再通過(guò)SVM網(wǎng)絡(luò)對(duì)提取到的特征進(jìn)行分類，最后需要通過(guò)bounding-box回歸修正預(yù)選框。

• 訓(xùn)練消耗大量的空間和時(shí)間(training is expensive in space and time)

SVM需要每一張圖片上的每一個(gè)候選框區(qū)域的特征，所以CNN提取到的特征需要存儲(chǔ)到磁盤中，所以將耗費(fèi)大量的空間去存儲(chǔ)，大量的時(shí)間去提取特征。

• 目標(biāo)檢測(cè)速度非常慢(object detection is slow)

因?yàn)镽-CNN每一張照片都要生成2000個(gè)候選框，這就導(dǎo)致在測(cè)試階段使用VGG16處理一張圖片將消耗47秒。

所以SPPNet使用共享計(jì)算來(lái)解決R-CNN對(duì)一張圖片生成2000候選框再喂入網(wǎng)絡(luò)造成計(jì)算效率低下的問(wèn)題。

SPPNet缺點(diǎn)：

• 同R-CNN一樣，同R-CNN一樣是多階段的訓(xùn)練
• 無(wú)法更新金字塔池化之前的卷積層，這就限制了非常深網(wǎng)絡(luò)的準(zhǔn)確性。

是由于 SPP做fine-tuning時(shí)輸入是多個(gè)不同的圖片，這樣對(duì)于每一個(gè)圖片都要重新產(chǎn)出新的feature map，效率很低，而Fast-RCNN對(duì)其進(jìn)行了改進(jìn)。

從上圖我們可以知道Fast R-CNN相較于R-CNN和SPPNet的優(yōu)點(diǎn)：

• 有更高的檢測(cè)精度
• 訓(xùn)練是單階段，使用多任務(wù)損失函數(shù)

把不同模型整合為一個(gè)網(wǎng)絡(luò):損失函數(shù)使用多任務(wù)損失函數(shù) multi-task loss，將邊框回歸bounding box regression 直接加入CNN網(wǎng)絡(luò)中訓(xùn)練。

• 訓(xùn)練可以更新所有層的網(wǎng)絡(luò)參數(shù)

用反向傳播訓(xùn)練所有網(wǎng)絡(luò)權(quán)重是Fast R-CNN的重要能力。首先，讓我們闡明為什么SPPnet無(wú)法更新低于空間金字塔池化層的權(quán)重。
根本原因是當(dāng)每個(gè)訓(xùn)練樣本（即RoI）來(lái)自不同的圖像時(shí)，通過(guò)SPP層的反向傳播是非常低效的，這正是訓(xùn)練R-CNN和SPPnet網(wǎng)絡(luò)的方法。低效的部分是因?yàn)槊總€(gè)RoI可能具有非常大的感受野，通?？缭秸麄€(gè)輸入圖像。由于正向傳播必須處理整個(gè)感受野，訓(xùn)練輸入很大（通常是整個(gè)圖像）。
我們提出了一種更有效的訓(xùn)練方法，利用訓(xùn)練期間的特征共享。在Fast RCNN網(wǎng)絡(luò)訓(xùn)練中，隨機(jī)梯度下降（SGD）的小批量是被分層采樣的，首先采樣N個(gè)圖像，然后從每個(gè)圖像采樣R/N個(gè) RoI。關(guān)鍵的是，來(lái)自同一圖像的RoI在向前和向后傳播中共享計(jì)算和內(nèi)存。減小N，就減少了小批量的計(jì)算。例如，當(dāng)N=2和R=128時(shí)，得到的訓(xùn)練方案比從128幅不同的圖采樣一個(gè)RoI（即R-CNN和SPPnet的策略）快64倍。
這個(gè)策略的一個(gè)令人擔(dān)心的問(wèn)題是它可能導(dǎo)致訓(xùn)練收斂變慢，因?yàn)閬?lái)自相同圖像的RoI是相關(guān)的。這個(gè)問(wèn)題似乎在實(shí)際情況下并不存在，當(dāng)N=2和R=128時(shí)，我們使用比R-CNN更少的SGD迭代就獲得了良好的結(jié)果。
上面是論文中的翻譯，個(gè)人理解：采用類似于批標(biāo)準(zhǔn)化，不再是1張1張的喂入圖片而是將N張圖片喂入網(wǎng)絡(luò)中，然后從每個(gè)圖像采樣R/N個(gè)，利用權(quán)重共享來(lái)加快訓(xùn)練。個(gè)人感覺(jué)這個(gè)微調(diào)思路很費(fèi)看看Faster R-CNN論文。

• 特征緩存不需要磁盤存儲(chǔ)
• 使用簡(jiǎn)化的空間金字塔池化，ROI池化

什么是ROI池化就是簡(jiǎn)化的空間金字塔池化，空間金字塔池化是固定池化輸出為1 * 1，2 * 2，4 * 4(在CNN中說(shuō)到過(guò)，不同大小的子塊感受野不同)的聚合，而ROI就是固定池化輸出為一個(gè)大小例如（7 * 7）.
這種固定大小的映射可能導(dǎo)致信息的損失或扭曲，特別是對(duì)于較小或較大的目標(biāo)區(qū)域。

Fast R-CNN的架構(gòu)：

Fast R-CNN流程是：
輸入一張圖片–> 通過(guò)CNN提取特征圖 --> 通過(guò)ROI projection(依舊采用SS提取2000個(gè)候選框)得到候選區(qū)域 --> 通過(guò)ROI Pooling將候選區(qū)域映射到固定大小的特征圖 --> 通過(guò)全連接層 --> 在最后并行兩個(gè)全連接層用于進(jìn)行softmax分類和bounding-box回歸。

端到端 (END TO END)

在介紹FASTER R-CNN之前，我們首先介紹一個(gè)概念端到端(end to end).

什么是端到端呢？

在目標(biāo)檢測(cè)領(lǐng)域，端到端指的是 能否直接從輸入的圖像數(shù)據(jù)獲得最終的檢測(cè)結(jié)果，而 不需要人為的特征選擇或其他手動(dòng)設(shè)計(jì)的功能。這類模型的訓(xùn)練和推理過(guò)程更加直接和高效。

例如： 相對(duì)于深度學(xué)習(xí)，傳統(tǒng)機(jī)器學(xué)習(xí)的流程往往由多個(gè)獨(dú)立的模塊組成，比如在一個(gè)典型的自然語(yǔ)言處理（Natural Language Processing）問(wèn)題中，包括分詞、詞性標(biāo)注、句法分析、語(yǔ)義分析等多個(gè)獨(dú)立步驟，每個(gè)步驟是一個(gè)獨(dú)立的任務(wù)，其結(jié)果的好壞會(huì)影響到下一步驟，從而影響整個(gè)訓(xùn)練的結(jié)果，這是非端到端的。

首先我們關(guān)注的是在目標(biāo)檢測(cè)領(lǐng)域滿足那點(diǎn)的為端到端：

• 能否 直接(不需要人為的特征選擇或其他手動(dòng)設(shè)計(jì)的功能)從輸入的圖像數(shù)據(jù)獲得最終的檢測(cè)結(jié)果。

接下來(lái)我們就分析R-CNN，SPPENT，FAST R-CNN：

• R-CNN：它通過(guò)選擇性搜索算法生成區(qū)域建議，然后對(duì)每個(gè)區(qū)域建議獨(dú)立提取CNN特征，最后利用SVM分類器進(jìn)行分類和回歸器精修邊界框。顯然，R-CNN是一個(gè) 多階段的處理流程，需要人為的特征選擇和多個(gè)分離的步驟才能得到結(jié)果，因此它不是端到端的。
• SPPNET：針對(duì)R-CNN重復(fù)計(jì)算卷積圖的問(wèn)題進(jìn)行了改進(jìn)，引入了空間金字塔池化層，允許不同大小的區(qū)域建議在特征圖上直接映射并池化為固定尺寸的輸出，從而一次性完成特征提取。盡管SPPNet減少了重復(fù)計(jì)算，但依然保留了R-CNN的 多階段特點(diǎn)，即先提取特征后進(jìn)行 分類和回歸，所以也不是端到端系統(tǒng)。
• FAST R-CNN：在R-CNN和SPPNet的基礎(chǔ)上進(jìn)行了進(jìn)一步優(yōu)化，提出了RoI池化層，并將分類和回歸合并為一個(gè)多任務(wù)目標(biāo)，使得整個(gè)網(wǎng)絡(luò)可以聯(lián)合訓(xùn)練。雖然Fast R-CNN實(shí)現(xiàn)了多任務(wù)學(xué)習(xí)，但它仍然 依賴于外部的區(qū)域建議生成方法如選擇性搜索算法，因此整體流程并非完全端到端。
• FASTER R-CNN：引入了區(qū)域建議網(wǎng)絡(luò)（RPN），使得區(qū)域建議的生成可以直接在網(wǎng)絡(luò)內(nèi)部完成，從而實(shí)現(xiàn)了端到端的檢測(cè)流程。

Faster R-CNN

論文地址Faster R-CNN: Towards Real-Time Object
Detection with Region Proposal Networks

在前面我們已經(jīng)講過(guò)了，Fast R-CNN在最后并行兩個(gè)全連接層用于進(jìn)行softmax分類和bounding-box回歸，較大的提升了計(jì)算效率但是FAST R-CNN依舊依賴于SS提取候選框（依賴于CPU）并不能像CNN一樣使用GPU這種高效的計(jì)算，這就導(dǎo)致處理一張圖片需要2秒鐘。于是FASTER R-CNN提出RPN網(wǎng)絡(luò)用于提取候選框，將一部分也用GPU運(yùn)行。這就可以實(shí)時(shí)檢測(cè)圖片！增加實(shí)用性。

從上圖我們可以看到FASTER R-CNN的流程圖

• 輸入一張圖片–> 通過(guò)CNN提取特征圖 --> 通過(guò)RPN網(wǎng)絡(luò)對(duì)特征圖提取候選框 --> 通過(guò)ROI Pooling將候選區(qū)域映射到固定大小的特征圖 --> 通過(guò)全連接層 --> 在最后并行兩個(gè)全連接層用于進(jìn)行softmax分類和bounding-box回歸。

我們可以看到FASTER R-CNN跟FAST R-CNN的區(qū)別就是用RPN網(wǎng)絡(luò)替換掉了SS直接在特征圖上提取候選框。 接下來(lái)我們?cè)敿?xì)介紹一下RPN網(wǎng)絡(luò)！

RPN網(wǎng)絡(luò)

RPN網(wǎng)絡(luò)的工作流程就是

通過(guò)(3 * 3)小網(wǎng)絡(luò)掃描特征圖，產(chǎn)生256維的一個(gè)低維特征，然后分別喂入分類層(cls layer)和回歸層(reg layer)這里解釋以下圖中為什么是4kcoordinate，2kscores這里4：中心點(diǎn)加上寬和奧就能確定一個(gè)矩形框的位置，但是預(yù)測(cè)出的候選框跟實(shí)際框會(huì)有差距，這時(shí)候就需要判斷框中是否含有目標(biāo)值所以為2kscores。k：anchor。

anchor

當(dāng)你利用特征圖并不是憑空產(chǎn)生候選框的并且憑空產(chǎn)生的候選框也不準(zhǔn)確所以會(huì)事先定義參考框，最后輸出的是每個(gè)參考框的偏移量。

我們?cè)谔卣鲌D中找一個(gè)點(diǎn)，就可以在原圖中找到對(duì)應(yīng)的一個(gè)像素點(diǎn)，以該像素點(diǎn)為中心，畫出9個(gè)不同大小和長(zhǎng)寬比的框，稱為anchor 。如下圖所示，這些anchor里面可能包含目標(biāo)，也可能沒(méi)有目標(biāo)。因?yàn)槲覀冊(cè)谝粡垐D中想找的的目標(biāo)的大小和長(zhǎng)寬比并不是固定的，所以這里用9個(gè)不同大小和長(zhǎng)寬比的anchor來(lái)進(jìn)行預(yù)測(cè)。

本文使用的Anchor的大小和比例是事先預(yù)定好的。大小為$(128^2,256^2,512^2)$,比例是$(1：2，1：1，2：1)(這里的指定策略：矮胖的用于檢測(cè)車，馬之類的，瘦高的可以表示人，之類的等等)$。
在之后的YOLO和SSD中是自適應(yīng)的候選框，提升了檢測(cè)精度和泛化能力。

Loss Funtion

預(yù)測(cè)值和實(shí)際值的偏差，對(duì)于每一個(gè)anchor，RPN網(wǎng)絡(luò)輸出的2 4就是預(yù)測(cè)值那么作者是如何定義anchor的真實(shí)值的呢？？

將正標(biāo)簽分配給兩種anchor：

• 具有最大IOU重疊的anchor
• 具有大于0.7的IOU重疊的anchor

這樣就可以保證至少有一個(gè)anchor被分配為正標(biāo)簽，
而負(fù)標(biāo)簽分配給具有IOU重疊小于0.3的anchor。

總結(jié)

參考同濟(jì)子豪兄
Faster R-CNN最全講解
CV之DL之FastR-CNN：Fast R-CNN算法的簡(jiǎn)介(論文介紹)、架構(gòu)詳解、案例應(yīng)用等配圖集合之詳細(xì)攻略