2、 R-CNN和fast R-CNN均存在一个问题,那就是 由选择性搜索来生成候选框,这个算法很慢 。 而且R-CNN中生成的2000个左右的候选框全部需要经过一次卷积神经网络,也就是需要经过2000次左右的CNN网络,这个是十分耗时的(fast R-CNN已经做了改进,只需要对整图经过一次CNN网络)。

3、 答案是肯定的,这也是许多深度学习算法(包括CNN)的灵感来源。 典型的 CNN 由3个部分构成: 卷积层 池化层 全连接层 如果简单来描述的话: 卷积层负责提取图像中的局部特征;池化层用来大幅降低参数量级(降维);全连接层类似传统神经网络的部分,用来输出想要的结果。

1、 在Fast RCNN中,将输入图像馈送到CNN,CNN生成卷积特征映射。 使用这些特征图提取候选区域。 然后,使用RoI池化层将所有建议的区域重新整形为固定大小,以便将其馈送到全连接网络中。