Faster R-CNN
Faster R-CNN یک چارچوب تشخیص اشیاء کانولوشنال عمیق دو مرحلهای است که توسط شائوچینگ رن، کایمینگ هی، راس گیرشیک و جیان سان (مایکروسافت ریسرچ) در NeurIPS 2015 معرفی شد. این روش مرحله کند پیشنهاد ناحیه جستجوی انتخابی (selective-search) را که در پیشینیان آن، R-CNN و Fast R-CNN استفاده میشد، با یک شبکه پیشنهادی ناحیه (RPN) یادگیرنده جایگزین میکند که ویژگیهای کانولوشنال را با سر تشخیص به اشتراک میگذارد و اولین آشکارساز شیء قابل آموزش سرتاسری و با دقت نزدیک به زمان واقعی را فعال میکند و یک معیار دقت طولانیمدت در PASCAL VOC و MS COCO ایجاد کرده است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. Advances in Neural Information Processing Systems (NeurIPS), 28, 91–99. link ↗
- Ren, S., He, K., Girshick, R., & Sun, J. (2017). Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. IEEE Transactions on Pattern Analysis and Machine Intelligence, 39(6), 1137–1149. DOI: 10.1109/TPAMI.2016.2577031 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Faster Region-based Convolutional Neural Network. ScholarGate. https://scholargate.app/fa/deep-learning/faster-r-cnn
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ResNet (شبکه باقیمانده)یادگیری عمیق↔ compare
- YOLO (You Only Look Once)یادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →