Fast R-CNN

释义 Definition

Fast R-CNN 是一种用于目标检测的深度学习方法（算法/框架），通过在整张图像上共享卷积特征、再对候选区域（region proposals）做 RoI（Region of Interest）特征提取，从而比早期的 R-CNN 更快、更高效地完成“找出图像里有什么物体、它们在哪里”的任务。（除检测外，它也常被作为理解两阶段检测器发展的关键节点；该术语也可能被泛化用于指代该系列方法。）

发音 Pronunciation (IPA)

/fæst ˌɑːr siː ɛn ɛn/

例句 Examples

Fast R-CNN can detect cars in street photos.
Fast R-CNN 可以在街景照片中检测到汽车。

Compared with R-CNN, Fast R-CNN speeds up training by sharing convolutional features and using RoI pooling for each proposal.
与 R-CNN 相比，Fast R-CNN 通过共享卷积特征并对每个候选区域使用 RoI pooling 来加速训练。

词源 Etymology

“Fast” 表示“更快的”。“R-CNN”是 Regions with CNN features 的缩写，意为“用卷积神经网络（CNN）的特征来表示候选区域（Regions）”。Fast R-CNN 由 Ross Girshick 提出，核心改进在于：不再对每个候选框单独跑一遍 CNN，而是先对整张图计算特征图，再对不同区域进行特征汇聚与分类/回归，从而显著提升效率。

相关词 Related Words

• Cnn
• Object Detection
• R-CNN
• Faster R-CNN
• Mask R-CNN
• RoI Pooling
• Region Proposal
• SPPnet
• YOLO
• SSD

文献与作品 Literary / Notable Works

• Ross Girshick. “Fast R-CNN”（ICCV 2015）——提出并系统阐述 Fast R-CNN 的经典论文。
• Shaoqing Ren et al. “Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks”（NeurIPS 2015）——在 Fast R-CNN 基础上用 RPN 替代外部候选框生成。
• Ross Girshick et al. “Rich feature hierarchies for accurate object detection and semantic segmentation (R-CNN)”（CVPR 2014）——该系列方法的早期起点之一。
• Kaiming He et al. “Mask R-CNN”（ICCV 2017）——在 Faster/ Fast R-CNN 思路上扩展到实例分割。