Faster R-CNN
Faster R-CNN est un cadre de détection d'objets convolutif profond à deux étages introduit par Shaoqing Ren, Kaiming He, Ross Girshick et Jian Sun (Microsoft Research) à NeurIPS 2015. Il remplace l'étape lente de proposition de régions par recherche sélective utilisée dans ses prédécesseurs R-CNN et Fast R-CNN par un réseau de proposition de régions (RPN) appris qui partage les caractéristiques convolutives avec la tête de détection, permettant le premier détecteur d'objets précis entraînable de bout en bout, quasi en temps réel, et établissant une référence de précision de longue date sur PASCAL VOC et MS COCO.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Faster Region-based Convolutional Neural Network. ScholarGate. https://scholargate.app/fr/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 (Réseau Résiduel)Apprentissage profond↔ compare
- YOLO (You Only Look Once)Apprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →