R-CNN

释义 Definition

R-CNN（Region-based Convolutional Neural Network，基于区域的卷积神经网络）是一类用于目标检测的深度学习方法：先生成可能包含目标的候选区域（region proposals），再用卷积神经网络提取特征并进行分类与边界框回归。常见语境下也特指最早的“R-CNN”模型；此外还有改进版本如 Fast R-CNN、Faster R-CNN、Mask R-CNN。

发音 Pronunciation (IPA)

/ˌɑːr siː ɛn ˈɛn/

例句 Examples

R-CNN can detect cars and people in a photo.
R-CNN 可以在照片中检测出汽车和行人。

Although R-CNN improved detection accuracy, it was slow because it processed many region proposals separately.
尽管 R-CNN 提高了检测精度，但由于需要分别处理大量候选区域，因此速度较慢。

词源 Etymology

R-CNN 是由缩写构成：R 代表 Region-based（基于区域），CNN 代表 Convolutional Neural Network（卷积神经网络）。该命名反映了其核心思路：先找“区域”，再用 CNN 做识别与定位。

相关词 Related Words

• Object detection
• Region proposal
• Bounding box
• Convolutional neural network
• Fast r-cnn
• Faster r-cnn
• Mask r-cnn
• Feature extractor

文学/作品引用 Literary Works

• Girshick, R., Donahue, J., Darrell, T., & Malik, J. (2014). Rich feature hierarchies for accurate object detection and semantic segmentation（提出 R-CNN 的经典论文，常被视为该系列方法的开端）
• Girshick, R. (2015). Fast R-CNN
• Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
• He, K., Gkioxari, G., Dollár, P., & Girshick, R. (2017). Mask R-CNN