Faster R-CNN
Faster R-CNN to dwuetapowa głęboka konwolucyjna sieć do detekcji obiektów, wprowadzona przez Shaoqing Rena, Kaiminga He, Rossa Girshicka i Jiana Suna (Microsoft Research) na konferencji NeurIPS w 2015 roku. Zastępuje ona powolny krok propozycji regionów oparty na selektywnym wyszukiwaniu, używany w jej poprzednikach R-CNN i Fast R-CNN, nauczoną Siecią Propozycji Regionów (RPN), która współdzieli cechy konwolucyjne z modułem detekcji, umożliwiając pierwszą w pełni uczoną, prawie w czasie rzeczywistym, dokładną detekcję obiektów i ustanawiając długoterminowy benchmark dokładności na zbiorach PASCAL VOC i MS COCO.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Faster Region-based Convolutional Neural Network. ScholarGate. https://scholargate.app/pl/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 (Residual Network)Uczenie głębokie↔ compare
- YOLO (You Only Look Once)Uczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →